Pandas存在空值时如何用指定分隔符合并多个字符串列

直接用字符串加法拼接会把空字符串作为有效元素参与计算，必然产生多余分隔符，推荐以下两种可靠实现：

方法1：逐行过滤非空值后join（最易读，适合小数据集） #

选中需要拼接的列，逐行筛掉值为空字符串的元素，再用/做分隔符直接join，Python原生的str.join会自动在非空元素之间添加分隔符，完全不会产生多余符号：

import pandas as pd

df = pd.DataFrame({'id': [1,2,3], 
             'fea1':['high', 'med', ''],
             'fea2': ['med', '', 'high'],
             'fea3': ['low', 'high', 'low']})

df['fea'] = df[['fea1', 'fea2', 'fea3']].apply(
    lambda row: '/'.join(val for val in row if val), axis=1
)

运行后得到的结果完全匹配预期：

• 优势：代码逻辑直白，不需要额外转换空值类型，写起来最快
• 劣势：apply是逐行循环运算，数据量超过10万行时运行速度偏慢

方法2：使用pandas原生str.cat拼接（性能最优，适合大数据集） #

先把空字符串替换为pandas可识别的空值类型pd.NA，再调用内置的字符串拼接方法str.cat，设置na_rep=''参数就会自动跳过所有空值，全程是向量化运算，性能远高于apply：

merge_cols = ['fea1', 'fea2', 'fea3']
# 空字符串转pandas空值
df_temp = df[merge_cols].replace('', pd.NA)
# 按分隔符合并，自动忽略空值
df['fea'] = df_temp[merge_cols[0]].str.cat(df_temp[merge_cols[1:]], sep='/', na_rep='')

• 优势：pandas底层C实现，百万行级数据也能秒级出结果
• 注意：如果你的空单元格本来就是None/np.nan/pd.NA类型，不需要做replace替换，直接调用str.cat即可。

不推荐用正则替换多余/的方案：比如拼接完再用正则替换连续/、去掉首尾/，这种写法容错率极低，如果后续业务逻辑调整出现多个连续空值、或者有效值本身带/，很容易出现替换错误。

内容的提问来源于stack exchange，提问作者zesla