有几种方法可以做到这一点。可能最简单的是定义一个新列，它是其他列的总和或串联
我有一个pandas数据帧：
Name A1 A2 A3
Andy 1 NaN NaN
Brian Nan NaN NaN
Carlos NaN 2 NaN
David NaN Nan 3
Frank 2 Nan Nan
对于每一行，在3列A1、A2和A3中，最多存在一个非NaN单元。因此，我想将它们合并为一列，并删除所有为NaN的行。因此，上述数据帧将变为：
Name A A-ID
Andy 1 1
Carlos 2 2
David 3 3
Frank 2 1
A-ID将存储原始列(A1、A2或A3(。具有Brian的行被删除，因为所有3列都是NaN。
天真地，我可以写一个for循环来完成任务，但有没有更蟒蛇和更快的方法？
这种方法应该可以达到预期的结果：
import pandas as pd
import numpy as np
d = {"Name": ["Andy", "Brian", "Carlos", "David", "Frank"],
"A1": [1,np.nan,np.nan,np.nan,2],
"A2": [np.nan,np.nan,2,np.nan,np.nan],
"A3": [np.nan,np.nan,np.nan,3,np.nan]}
df = pd.DataFrame(data=d)
#Drops rows where all A* values are NaN
df = df.dropna(subset = ['A1', 'A2', 'A3'], how="all")
#Sums values to produce result
df["A"] = df.sum(axis=1)
#Alternative method for getting 'A'
#df["A"] = df[["A1", "A2", "A3"]].bfill(axis=1).iloc[:, 0]
#Returns final char of column name of first non-NaN column
df["A-ID"] = df[["A1", "A2", "A3"]].apply(lambda row: row.first_valid_index()[-1], axis=1)
#Dropping old A* columns
df = df.drop(["A1", "A2", "A3"], axis=1)
print(df)
Name A A-ID
0 Andy 1.0 1
2 Carlos 2.0 2
3 David 3.0 3
4 Frank 2.0 1
df["B"] = df["A1"] + df["A2"] + df["A3"]
然后，只保留为B而非空的行
df = df[df.B.notnull()]
问候