合并DataFrame两列生成第三列时触发ValueError错误求助

嘿，这个问题我之前也碰到过，我来给你拆解一下原因和解决办法：

问题出在哪？ #

你用的merger.stack().values之所以报错，核心原因是Pandas的stack()方法默认会自动丢弃所有包含NaN的元素。看你的数据里第954行，Type_x和Type_y都是NaN，这一行在执行stack()之后会被直接剔除，导致stack().values的长度比原DataFrame的行数少了（少了那些两列全为NaN的行），自然就触发了「长度不匹配」的错误。

哪怕你把NaN换成0，只要某一行两列都是0，stack()虽然会保留，但这反而不符合你想要提取有效非空值的期望对吧？

解决办法（三种可选，按需选择） #

方法1：横向填充法（最简洁） #

因为你的数据每一行最多只有一个非NaN值，我们可以用横向填充的方式直接提取目标值：

merger['Type'] = merger[['Type_x', 'Type_y']].bfill(axis=1).iloc[:, 0]

bfill(axis=1)会从右往左把非NaN值填充到该行的NaN位置，之后取第一列就得到了每一行的有效非空值；如果你的非NaN值偶尔会出现在左边，换成ffill(axis=1)（从左往右填充）效果完全一样，全NaN的行最终还是NaN，完美匹配你的期望。

方法2：基于stack的补全法 #

如果你一定要用stack()的思路，可以先保留索引，再补全缺失的行：

# 先堆叠，再按行分组取第一个非空值，最后对齐原索引补全NaN
stacked_series = merger[['Type_x', 'Type_y']].stack().groupby(level=0).first()
merger['Type'] = stacked_series.reindex(merger.index)

groupby(level=0).first()是取每一行的第一个非NaN值，reindex(merger.index)会把原DataFrame中那些被stack丢弃的全NaN行补回来，默认填充NaN，这样长度就完全匹配了。

方法3：条件判断法（最直观） #

用numpy.where直接做条件判断，逻辑清晰易懂：

import numpy as np
merger['Type'] = np.where(merger['Type_x'].notna(), merger['Type_x'], merger['Type_y'])

逻辑很简单：如果Type_x不是NaN就取它的值，否则取Type_y的值；如果两行都是NaN，结果自然就是NaN，完全符合你的需求。

内容的提问来源于stack exchange，提问作者David