Pandas如何合并3列为1列且单独保留Amount列的对应值

需求说明 #

源数据为4列结构，列名分别为Subclass、Subclass2、Layer、Amount，其中前3列为从上到下的层级映射关系，需要将3个层级列按顺序合并为单列Col1，仅最末层级Layer对应的行保留原Amount值，上层级行的Amount置为NaN，最终输出仅含Col1、Amount两列的结果。

样例源数据：

目标输出：

原有melt写法问题 #

之前执行的df.melt(id_vars = ['SubClass', 'SubClass2'], value_name = 'CQ')存在两个核心错误：

• 列名大小写不匹配：源列名为Subclass，代码中写为SubClass
• 参数逻辑错误：未明确指定要展开的3个层级列，也未配置Amount列的保留规则，默认会将Amount也作为维度列做展开，最终列结构完全错乱。

实现代码 #

方法1：逐行构造（逻辑直观，顺序绝对匹配） #

适合数据量不大的场景，不需要额外处理排序问题，严格按照Subclass→Subclass2→Layer的顺序生成结果：

import pandas as pd
import numpy as np

# 构造测试源数据
df = pd.DataFrame({
    'Subclass': ['A', 'E'],
    'Subclass2': ['B', 'F'],
    'Layer': ['C', 'G'],
    'Amount': [5, 100]
})

rows = []
for _, row in df.iterrows():
    rows.append({'Col1': row['Subclass'], 'Amount': np.nan})
    rows.append({'Col1': row['Subclass2'], 'Amount': np.nan})
    rows.append({'Col1': row['Layer'], 'Amount': row['Amount']})

result = pd.DataFrame(rows)

方法2：修正melt逻辑（性能更优，适合大数据量） #

通过正确传参给melt实现宽转长，再通过分类排序保证层级顺序，最后修正Amount值：

# 宽转长，保留Amount为标识列，展开三个层级列
melt_df = df.melt(
    id_vars=['Amount'],
    value_vars=['Subclass', 'Subclass2', 'Layer'],
    var_name='level_tag',
    value_name='Col1'
)

# 指定层级顺序，排序保证行顺序符合要求
melt_df['level_tag'] = pd.Categorical(
    melt_df['level_tag'],
    categories=['Subclass', 'Subclass2', 'Layer'],
    ordered=True
)
melt_df = melt_df.sort_values(by=['Amount', 'level_tag']).reset_index(drop=True)

# 非Layer层级的Amount置为NaN
melt_df.loc[melt_df['level_tag'] != 'Layer', 'Amount'] = np.nan

# 提取需要的两列得到最终结果
result = melt_df[['Col1', 'Amount']]

NaN值替换 #

如果需要将结果中的NaN替换为0或者空值，直接调用fillna即可：

# 替换为0
result['Amount'] = result['Amount'].fillna(0)

# 替换为空字符串
result['Amount'] = result['Amount'].fillna('')

内容的提问来源于stack exchange，提问作者user18233539