Pandas列合并问题：手动合并两列及SharePoint转DataFrame列异常排查

以下是几种实用的实现方法：

• 文本列直接拼接
  适用于字符串类型列，可添加自定义分隔符：

  import pandas as pd
  
  df = pd.DataFrame({'列A': ['苹果', '香蕉'], '列B': ['红', '黄']})
  df['合并列'] = df['列A'] + '（' + df['列B'] + '）'
  

• str.cat()方法（支持缺失值处理）
  更灵活的拼接方式，可指定缺失值替代文本：

  df['合并列'] = df['列A'].str.cat(df['列B'], sep='-', na_rep='无数据')
  

• 非文本列拼接
  先将数值型等非文本列转为字符串再拼接：

  df = pd.DataFrame({'数字1': [10, 20], '数字2': [30, 40]})
  df['合并列'] = df['数字1'].astype(str) + '_' + df['数字2'].astype(str)
  

• 自定义逻辑拼接
  用apply()实现复杂规则的合并：

  df['合并列'] = df.apply(lambda row: f"{row['列A']}_编号{row['数字1']}", axis=1)
  

从输出情况来看，核心原因是循环处理数据时，没有正确构建行级字典列表，导致DataFrame将所有内容压缩到一列。以下是针对性修复方案：

正确处理流程 #

方法1：直接用API响应的value字段构建DataFrame #

SharePoint REST API返回的value字段通常就是包含每行数据的字典列表，直接传入DataFrame即可：

import pandas as pd
# 假设api_response是你从SharePoint获取的响应结果
df = pd.DataFrame(api_response['value'])

方法2：循环处理时确保收集完整行数据 #

如果需要对原始数据做清洗，循环中要收集每个条目完整的字段字典：

processed_data = []
for item in api_response['value']:
    # 按需提取或清洗字段，比如处理嵌套结构
    cleaned_row = {
        '标题': item['Title'],
        '创建时间': item['Created'],
        '作者': item['Author']['Title']  # 提取嵌套字段值
    }
    processed_data.append(cleaned_row)
df = pd.DataFrame(processed_data)

排查关键点 #

• 打印processed_data的前2个元素，确认每个元素是包含多字段的字典，而非单个值或元组
• 检查API返回的原始数据结构，确保value下的每个元素是行级数据对象

内容的提问来源于stack exchange，提问作者Bernhard Sailer