Pandas如何移除NaN并将多列剩余有效值合并为单列

你可以根据实际场景选择下面两种通用实现，无需手动枚举所有待合并列，适配列数较多的场景：

方法1：利用stack()自动丢弃空值（推荐，适合每行仅1个有效值的场景） #

stack()操作会自动将行转列并丢弃NaN值，刚好适配你给出的示例场景，代码如下：

# 筛选所有待合并的列，这里以列名包含Set_为例，你可以根据实际规则调整筛选逻辑
merge_cols = df.filter(like="Set_").columns
# 合并生成新列，reset_index保证行对应关系不变
df["Set"] = df[merge_cols].stack().reset_index(drop=True)
# 提取最终需要的结果
result = df[["Name", "Set"]]

提示：如果存在全行待合并列均为NaN的情况，可将stack()行修改为df[merge_cols].stack().reindex(df.index)，避免行索引错位。

方法2：逐行提取非空值（适合每行可能存在多个有效值、需自定义取值逻辑的场景） #

如果你需要对每行的多个有效值做自定义处理（比如取第一个/最后一个，或拼接所有有效值），可以用apply逐行处理：

merge_cols = df.filter(like="Set_").columns
# 示例为取每行第一个非空值，如需拼接可改为 lambda x: '/'.join(x.dropna())
df["Set"] = df[merge_cols].apply(lambda row: row.dropna().iloc[0], axis=1)
result = df[["Name", "Set"]]

注意事项 #

你原有代码中的df['Set_1'] != 'NaN'是错误写法：pandas中的空值为np.nan，属于浮点数类型，不能直接用等于/不等于判断，需用pd.isna()或pd.notna()做空值校验。

内容的提问来源于stack exchange，提问作者ka4c