如何在pandas DataFrame中实现字符串列的条件拼接

方案1：使用Series.str.cat()（推荐） #

这是pandas官方提供的字符串拼接专用方法，代码更简洁，适配性更强：

import pandas as pd

sample_dict = {
               'A' : ["entry", "", "", "entry"],
               'B' : ["foo", "foo", "", ""]
              }
sample_frame = pd.DataFrame(sample_dict)

# 将空字符串替换为NaN，适配str.cat的空值处理逻辑
sample_frame = sample_frame.replace("", pd.NA)
# 拼接时指定分隔符，空值填充为空字符串
sample_frame['A'] = sample_frame['A'].str.cat(sample_frame['B'], sep=", ", na_rep="")
del sample_frame['B']
# 可选：将结果中的空值还原为空字符串
sample_frame = sample_frame.fillna("")

输出结果完全符合需求：

A
0  entry, foo
1         foo
2          
3       entry

方案2：使用np.where()条件判断 #

逻辑更直白，可灵活自定义拼接规则：

import pandas as pd
import numpy as np

sample_dict = {
               'A' : ["entry", "", "", "entry"],
               'B' : ["foo", "foo", "", ""]
              }
sample_frame = pd.DataFrame(sample_dict)

# 仅当两列都不为空时添加分隔符
cond = (sample_frame['A'] != "") & (sample_frame['B'] != "")
sample_frame['A'] = np.where(cond,
                            sample_frame['A'] + ", " + sample_frame['B'],
                            sample_frame['A'] + sample_frame['B'])
del sample_frame['B']

内容的提问来源于stack exchange，提问作者Pm740