如何将多个二值分类型列合并为单结果列实现数据格式转换

核心前提：原数据集每行仅存在1个非缺失值，完全不需要写逐行循环判断的冗余逻辑，用向量化操作即可实现零冗余的高性能转换，以下是不同常用工具栈的落地方法：

Python（pandas 实现） #

• 最优向量化方案（无逐行循环开销）：对每行做向后填充提取首个非NA值，代码为：

  import pandas as pd
  df = pd.DataFrame({
      "X1": ["Red", None, None, None, None, None],
      "X2": [None, "Blue", "Green", None, "Yellow", None],
      "X3": [None, None, None, "Red", None, "Blue"]
  })
  df["Result"] = df.bfill(axis=1).iloc[:, 0]
  

  原理：按行方向将NA值用右侧的非NA值填充，填充完成后第一列即为每行唯一的非NA取值，百万行规模数据也可实现秒级计算。
• 通用适配方案：直接通过栈操作提取所有非NA值生成单列，代码为：

  result = df.mask(df.isna()).stack().reset_index(drop=True).to_frame(name="Result")
  

  该方案可自动适配后续可能出现的“某行存在多个非NA值”的场景，无需调整核心逻辑。
• 避坑提示：不要使用df.apply(lambda row: row.dropna().iloc[0], axis=1) 这类逐行遍历的写法，数据量增大时性能会比向量化方案慢几个数量级。

R语言实现 #

• 轻便快速（基础包无依赖）：直接按行提取非NA值，代码为：

  df <- data.frame(
    X1 = c("Red", NA, NA, NA, NA, NA),
    X2 = c(NA, "Blue", "Green", NA, "Yellow", NA),
    X3 = c(NA, NA, NA, "Red", NA, "Blue")
  )
  df$Result <- apply(df, 1, function(x) x[!is.na(x)][1])
  

• 高性能方案（适配百万行级数据）：用dplyr的多列合并函数取首个非NA值，代码为：

  library(dplyr)
  df <- df %>% mutate(Result = coalesce(X1, X2, X3))
  

  逻辑为按列优先级取第一个非NA值，因原数据每行仅1个非NA值，最终结果完全匹配目标结构，向量化执行速度比逐行apply快10倍以上。
• 通用长表转换方案：用tidyr做宽转长过滤缺失值，代码为：

  library(tidyr)
  result_df <- df %>% 
    pivot_longer(everything(), values_to = "Result") %>% 
    filter(!is.na(Result)) %>% 
    select(Result)
  

注意事项：若原数据集存在整行全为NA的异常情况，以上方法会自动返回NA值，缺失逻辑和原数据保持一致，无需额外做异常判断。

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