pandas如何忽略0值拼接混合数据类型的多列生成新列

实现代码 #

你只需在原有拼接逻辑前增加0值过滤规则即可，同时可根据需求兼容数值/字符串格式的0，以及类型判断：

方案1：基于原有代码小幅修改

保留你原本的dropna逻辑，新增过滤规则：

cols=['col1','col2', 'col3', 'col4', 'col5']
# 仅拼接非空、非0的字符串类型元素
df2["col6"] = df2[cols].apply(
    lambda x: ';'.join([val for val in x.dropna() if isinstance(val, str) and val != '0']), 
    axis=1
)
# 如果不需要排除数值类型，仅需要过滤0，可简化为：
# df2["col6"] = df2[cols].apply(lambda x: ';'.join([val for val in x.dropna() if val not in (0, '0')]), axis=1)

方案2：大体积DataFrame优化方案

当数据量较大时，使用向量化操作代替逐行apply，性能提升明显：

cols=['col1','col2', 'col3', 'col4', 'col5']
# 先将所有0值替换为空
tmp = df2[cols].replace([0, '0'], '')
# 按行拼接后清理多余分号
df2['col6'] = tmp.agg(';'.join, axis=1).str.replace(r';+', ';', regex=True).str.strip(';')

内容的提问来源于stack exchange，提问作者soosa