如何合并名称相似的多列？含空值的批量列合并方法

解决方案（基于Pandas） #

假设你使用Python的Pandas库处理表格数据，可按以下步骤批量合并这类名称相似的列：

1. 筛选目标列
   先从DataFrame中筛选出所有符合命名规则的列，针对scheduleSettings_nodes_0_name、scheduleSettings_nodes_1_name这类列，可用正则匹配精准筛选：

   import pandas as pd
   
   # 假设数据存储在df中
   # 正则匹配：匹配以scheduleSettings_nodes_开头、中间是数字、以_name结尾的列
   target_cols = df.columns[df.columns.str.match(r'scheduleSettings_nodes_\d+_name')]
   # 若命名规则唯一，也可简化为模糊筛选
   # target_cols = df.filter(like='scheduleSettings_nodes_').columns
   

2. 合并列并处理空值
   对每行的目标列过滤空值（None/NaN），将非空值用逗号拼接成字符串：

   # 生成合并后的新列
   df['scheduleSettings_nodes_name'] = df[target_cols].apply(
       lambda row: ', '.join(row.dropna().astype(str)),
       axis=1
   )
   

3. （可选）删除原目标列
   若无需保留原85个列，可批量删除：

   df = df.drop(columns=target_cols)
   

示例验证 #

用你给出的测试数据验证逻辑：

# 构造示例数据
data = {
    'apple_0': ['abc', 'abc', 'hig', 'dsf'],
    'apple_1': [None, 'efg', None, None],
    'other_col': ['x', 'y', 'z', 'w']  # 混杂的其他列
}
df = pd.DataFrame(data)

# 筛选目标列
target_cols = df.columns[df.columns.str.match(r'apple_\d+')]
# 合并列
df['apple'] = df[target_cols].apply(lambda row: ', '.join(row.dropna().astype(str)), axis=1)
# 删除原列
df = df.drop(columns=target_cols)

print(df)

输出结果：

other_col      apple
0         x        abc
1         y  abc, efg
2         z        hig
3         w        dsf

内容的提问来源于stack exchange，提问作者Rebekah Lee