如何将Pandas多列object类型值合并为一列并忽略None值？

刚好你这个场景我之前处理过——每行只有一个有效字符串，其余都是"None"，要把这些有效值提取到单独一列对吧？下面给你几个简单靠谱的解决方案：

方法1：替换缺失值 + 横向填充（最直观） #

首先把字符串"None"换成Pandas能识别的缺失值，然后利用横向填充（因为每行只有一个有效值，填充后整行都会是这个值，取任意一列就行）：

import pandas as pd

# 你的起始DataFrame
df = pd.DataFrame({
    'col1': ['one', 'None', 'None'],
    'col2': ['None', 'None', 'six'],
    'col3': ['None', 'eight', 'None']
})

# 核心操作：替换"None"为缺失值，横向填充后取第一列
df['col4'] = df.replace('None', pd.NA).bfill(axis=1).iloc[:, 0]

# 只保留目标列的结果
result = df[['col4']]
print(result)

运行后就得到你要的结果：

col4
0     one
1   eight
2     six

也可以用ffill(axis=1).iloc[:, -1]，效果完全一样——因为每行只有一个有效值，从左往右或从右往左填充都会覆盖到这个值。

方法2：用stack()快速提取有效值 #

stack()方法会把列转成二级索引，同时自动过滤缺失值，非常适合这种场景：

# 替换"None"为缺失值后堆叠，再重置索引
df_stack = df.replace('None', pd.NA).stack().reset_index(level=1, drop=True).rename('col4')
result = df_stack.to_frame()
print(result)

这个方法代码更简洁，就算你有十几列也能轻松处理。

为啥你的原始方法没达到效果？ #

你之前用的df['col1'].map(str)+df['col2'].map(str)+df['col3'].map(str)是把所有字符串直接拼接，比如第一行就变成了oneNoneNone，它不会区分有效和无效值，只是单纯把字符串连在一起，所以达不到你要的忽略"None"的效果。

小提示 #

一定要把字符串"None"转换成Pandas的缺失值（pd.NA或np.nan），这样Pandas的各种方法才能识别并忽略这些无效值，这是处理这类问题的关键~

内容的提问来源于stack exchange，提问作者pr338