pandas中如何基于列名将同DataFrame的多列合并为单列

针对你描述的每行仅存在一个非NaN值的场景，pandas内置多种方法可以快速实现需求，以下是3种常用方案：

• 方案1：逐行填充法（性能最优，适合大数据量）
  因为每行仅存在一个非空值，按行填充空值后取任意一列即可获得所有有效值：

# 按行向后填充空值后取第一列
df['name'] = df.bfill(axis=1).iloc[:, 0]
# 仅保留合并后的新列
df = df[['name']]

• 方案2：stack自动丢弃空值法
  stack方法会将列转为行层级，默认丢弃NaN值，刚好匹配你的场景：

df['name'] = df.stack().reset_index(drop=True)
df = df[['name']]

• 方案3：优先级取值法（适合行内可能有多个非空值，需要指定取值优先级的场景）
  如果你需要按照name1>name2>name3的优先级取有效值，可使用combine_first链式调用：

df['name'] = df['name1'].combine_first(df['name2']).combine_first(df['name3'])

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