如何使用Pandas将23列数据合并为单列？已尝试相关写法

嘿，我懂你手动写23列拼接代码的痛苦——不仅敲得手酸，还容易漏列或者打错列名对吧？其实有更简洁、易维护的方法来搞定这个需求，不用把每一列都挨个写出来：

核心思路 #

先明确你要合并的23列范围（比如列名是A到W，或者前23列），把它们放进一个列名列表，然后批量处理拼接。

具体实现方法 #

方法1：用sum()批量拼接（最简洁）

字符串类型的列调用sum(axis=1)时，会自动按行拼接所有列的内容，代码非常短：

# 先定义要合并的23列，比如前23列或者指定列名列表
cols = df.columns[:23]  # 如果前23列是目标列
# 或者指定具体列名：cols = ['A', 'B', 'C', ..., 'W']

# 生成新列X
df = df.assign(X=df[cols].astype(str).sum(axis=1))

方法2：用apply()+join（适合需要自定义分隔符的场景）

如果之后需要在拼接的内容之间加分隔符（比如空格、逗号），用join更灵活：

# 无分隔符拼接
df['X'] = df[cols].astype(str).apply(''.join, axis=1)

# 加分隔符（比如用逗号分隔）
df['X'] = df[cols].astype(str).apply(','.join, axis=1)

处理缺失值的版本

如果你的列里有NaN，直接转字符串会变成'NaN'，可以先把缺失值替换为空字符串：

df['X'] = df[cols].fillna('').astype(str).sum(axis=1)

为什么比你之前的写法好？ #

• 不用重复写23次df.列名.astype(str)，代码更简洁
• 列数变化时，只需要调整cols列表就行，维护成本低
• 减少手动输入的错误概率

内容的提问来源于stack exchange，提问作者M. Palamas