使用Pandas将DataFrame多列合并为单列的实现方法

嘿，这个需求我经常碰到，给你几个实用的Pandas解决方案，都能完美得到你想要的单列结果：

方法1：使用stack()（最简洁直观） #

stack()是Pandas中处理行列转换的利器，它会自动把每一行的列元素按顺序堆叠起来，还能保留原有的NaN值，完全匹配你的输出要求：

import pandas as pd
import numpy as np

# 先构造你的示例DataFrame
df = pd.DataFrame({'C1': ['A', 'C', 'E', 'G'], 'C2': ['B', np.nan, 'F', 'H']})

# 执行堆叠操作并整理结果
result = df.stack().reset_index(drop=True).to_frame(name='new')
print(result)

解释：

• df.stack()：将每一行的C1、C2元素依次堆叠成一个Series，保留NaN
• reset_index(drop=True)：去掉堆叠后生成的多级索引，重置为连续的整数索引
• to_frame(name='new')：把Series转换成DataFrame，并指定列名为new

方法2：使用melt()（宽表转长表经典方法） #

如果你熟悉Pandas的宽转长操作，melt()也是个不错的选择，适合更复杂的多列转换场景：

result = pd.melt(df, value_vars=['C1', 'C2'], value_name='new')[['new']].reset_index(drop=True)
print(result)

解释：

• pd.melt(...)：指定要转换的列（value_vars），并设置结果列名为new
• [['new']]：只保留我们需要的new列
• reset_index(drop=True)：重置索引为连续整数

方法3：使用concat()（最直观的拼接方式） #

如果你喜欢更直白的逻辑，可以直接把两列作为独立的Series拼接起来：

result = pd.concat([df['C1'], df['C2']], ignore_index=True).to_frame(name='new')
print(result)

解释：

• pd.concat([df['C1'], df['C2']])：按顺序拼接C1和C2两个Series
• ignore_index=True：忽略原列的索引，生成新的连续索引
• to_frame(name='new')：转换为指定列名的DataFrame

这三种方法都能得到你想要的输出，其中stack()代码最简洁，推荐优先使用~

内容的提问来源于stack exchange，提问作者noswear