如何将DataFrame所有行的值合并为单行且保留列结构？

这问题我熟，不用修改列结构就能实现——用Pandas的agg()方法配合自定义逻辑就行，直接看具体步骤：

核心思路 #

对DataFrame的每一列单独处理：过滤掉列中的NaN值，把剩下的非空值用, 拼接成字符串，最后把处理后的结果整合成单行DataFrame。

完整代码示例 #

import pandas as pd
import numpy as np

# 你的示例输入DataFrame
d = {'col1': ["3", np.nan], 'col2': ["1", "7"], 'col3': [np.nan, "8"]}
df = pd.DataFrame(data=d)

# 自定义聚合函数：处理单列，拼接非NaN值
def merge_non_null_values(series):
    # 筛选非NaN值并转成字符串（兼容数字/字符串类型）
    valid_values = [str(val) for val in series if pd.notna(val)]
    return ', '.join(valid_values)

# 应用聚合并转成单行DataFrame
merged_df = df.agg(merge_non_null_values).to_frame().T

# 查看结果
print(merged_df)

运行后你会得到期望的输出：

col1  col2 col3
0    3  1, 7    8

简化写法（一行搞定） #

如果觉得写单独函数麻烦，也可以用lambda表达式简化：

merged_df = df.agg(lambda x: ', '.join([str(v) for v in x if pd.notna(v)])).to_frame().T

关键细节说明 #

• pd.notna(val)：用来准确判断值是否为NaN（比val != np.nan更可靠，因为NaN不等于任何值）
• str(val)：确保所有值都转成字符串，避免数字和字符串混合拼接时出现类型错误
• to_frame().T：把聚合得到的Series转换成单行DataFrame，保证列结构和原DataFrame完全一致

内容的提问来源于stack exchange，提问作者Nae