如何使用条件判断合并Pandas DataFrame两列生成新列？

方法1（推荐：灵活简洁、适配多列扩展） #

利用stack()自动丢弃空值、再按行分组拼接的特性，无需额外编写条件判断，可直接适配更多列的合并场景：

import pandas as pd
import numpy as np

# 构造示例DataFrame
df = pd.DataFrame({
    'A Code': [np.nan, np.nan, 'aa', 'bb'],
    'B Code': ['bb', 'aa', 'bb', np.nan]
})

# 合并生成新列
df['Code'] = df.stack().groupby(level=0).agg(','.join)

# 查看输出结果
print(df[['Code']])

运行后输出与要求完全匹配：

Code
0     bb
1     aa
2  aa,bb
3     bb

原理说明：stack()操作会将列转为行索引，自动过滤空值，之后按原始行号（level=0）分组，用逗号拼接所有非空值，刚好匹配要求的合并规则。

方法2（仅适配两列场景、逻辑直观） #

通过apply逐行做条件判断实现：

df['Code'] = df.apply(
    lambda x: f"{x['A Code']},{x['B Code']}" 
    if pd.notna(x['A Code']) and pd.notna(x['B Code']) 
    else x['A Code'] if pd.notna(x['A Code']) 
    else x['B Code'],
    axis=1
)

注意事项 #

如果你的DataFrame存在其他无关列，只需要筛选出要合并的列即可，避免错误合并其他字段：

# 仅合并指定的两列
df['Code'] = df[['A Code', 'B Code']].stack().groupby(level=0).agg(','.join)

内容的提问来源于stack exchange，提问作者be84