如何合并Pandas两列并保留原列名作为新列？

你的需求是把原DataFrame的V1、V2列转换为“值+来源列名”的长表结构，combine_first确实不适用——它的作用是用另一列的非空值填充当前列的NaN，不是做列转行的结构转换。这里给你两种简单的实现方式：

方法1：使用stack()（推荐） #

stack()会自动忽略NaN值，直接把非空的列名和对应值堆叠起来，步骤如下：

import pandas as pd
import numpy as np

# 构造原数据
df = pd.DataFrame({
    'V1': [10.0, np.nan, 5.0, np.nan],
    'V2': [np.nan, 15.0, np.nan, 10.0]
})

# 处理数据
result = df.stack().reset_index()
# 重命名列
result.columns = ['原索引', 'column_name', 'V']
# 去掉原索引列，调整列顺序
result = result.drop('原索引', axis=1)[['V', 'column_name']]

运行后得到的result就是你要的结果：

V column_name
0  10.0          V1
1  15.0          V2
2   5.0          V1
3  10.0          V2

方法2：使用melt()+dropna() #

先把宽表转成包含所有列名和值的长表，再过滤掉空值：

result = df.melt(var_name='column_name', value_name='V').dropna()
# 重置索引（避免dropna后索引不连续）
result = result.reset_index(drop=True)

这个方法同样能得到目标结果，适合更通用的宽转长场景。

内容的提问来源于stack exchange，提问作者Javier