我有多个pandas数据帧，它们可能具有不同数量的列，这些列的数量通常在50到100之间变化。我需要创建一个最终列，该列只是将所有列连接起来的结果。基本上，该列的第一行中的字符串应该是所有列第一行字符串的总和（连接）。我编写了下面的循环，但我感觉可能有更好、更有效的方法来完成这个任务。您有任何关于如何做到这一点的想法吗？
num_columns = df.columns.shape[0]
col_names = df.columns.values.tolist()
df.loc[:, 'merged'] = ""
for each_col_ind in range(num_columns):
print('Concatenating', col_names[each_col_ind])
df.loc[:, 'merged'] = df.loc[:, 'merged'] + df[col_names[each_col_ind]]
使用sum解决方案，但输出结果是float，因此需要进行int和str转换：
df['new'] = df.sum(axis=1).astype(int).astype(str)
使用apply函数和join的另一种解决方案，但是它是最慢的：
df['new'] = df.apply(''.join, axis=1)
最后一个非常快的 numpy解决方案 - 转换为numpy数组，然后使用'sum'函数：
df['new'] = df.values.sum(axis=1)
时间：
df = pd.DataFrame({'A': ['1', '2', '3'], 'B': ['4', '5', '6'], 'C': ['7', '8', '9']})
#[30000 rows x 3 columns]
df = pd.concat([df]*10000).reset_index(drop=True)
#print (df)
cols = list('ABC')
#not_a_robot solution
In [259]: %timeit df['concat'] = pd.Series(df[cols].fillna('').values.tolist()).str.join('')
100 loops, best of 3: 17.4 ms per loop
In [260]: %timeit df['new'] = df[cols].astype(str).apply(''.join, axis=1)
1 loop, best of 3: 386 ms per loop
In [261]: %timeit df['new1'] = df[cols].values.sum(axis=1)
100 loops, best of 3: 6.5 ms per loop
In [262]: %timeit df['new2'] = df[cols].astype(str).sum(axis=1).astype(int).astype(str)
10 loops, best of 3: 68.6 ms per loop
如果某些列的数据类型不是object（显然是string），请使用DataFrame.astype进行强制类型转换：
df['new'] = df.astype(str).values.sum(axis=1)
df = pd.DataFrame({'A': ['1', '2', '3'], 'B': ['4', '5', '6'], 'C': ['7', '8', '9']})
df['concat'] = pd.Series(df.fillna('').values.tolist()).str.join('')
给我们：
df
Out[6]:
A B C concat
0 1 4 7 147
1 2 5 8 258
2 3 6 9 369
To select a given set of columns:
df['concat'] = pd.Series(df[['A', 'B']].fillna('').values.tolist()).str.join('')
df
Out[8]:
A B C concat
0 1 4 7 14
1 2 5 8 25
2 3 6 9 36
然而，我注意到这种方法有时会导致 NaN 出现在不应该出现的位置，所以这里提供另一种方式：
>>> from functools import reduce
>>> df['concat'] = df[cols].apply(lambda x: reduce(lambda a, b: a + b, x), axis=1)
>>> df
A B C concat
0 1 4 7 147
1 2 5 8 258
2 3 6 9 369
尽管需要注意这种方法要慢得多：
$ python3 -m timeit 'import pandas as pd;from functools import reduce; df=pd.DataFrame({"a": ["this", "is", "a", "string"] * 5000, "b": ["this", "is", "a", "string"] * 5000});[df[["a", "b"]].apply(lambda x: reduce(lambda a, b: a + b, x)) for _ in range(10)]'
10 loops, best of 3: 451 msec per loop
对抗
$ python3 -m timeit 'import pandas as pd;from functools import reduce; df=pd.DataFrame({"a": ["this", "is", "a", "string"] * 5000, "b": ["this", "is", "a", "string"] * 5000});[pd.Series(df[["a", "b"]].fillna("").values.tolist()).str.join(" ") for _ in range(10)]'
10 loops, best of 3: 98.5 msec per loop
由于我声望不够，无法进行评论，因此我会根据blacksite所回答的内容来撰写我的答案。
为了更清晰明了，LunchBox曾评论称此方法在Python 3.7.0上失败。对我而言，在Python 3.6.3上也失败了。以下是blacksite原始回答：
df['concat'] = pd.Series(df.fillna('').values.tolist()).str.join('')
这是我对Python 3.6.3的修改：
df['concat'] = pd.Series(df.fillna('').values.tolist()).map(lambda x: ''.join(map(str,x)))
对于我来说，使用numpy数组的解决方案非常好。
然而，需要注意的一件事情是，在从df.values获取numpy.ndarray时进行索引时，由于轴标签已从df.values中删除，因此需要小心。
因此，以上面提供的解决方案之一（我最常用的解决方案）为例：
df['concat'] = pd.Series(df.fillna('').values.tolist()).str.join('')
这一部分：
df.fillna('').values
不保留原始DataFrame的索引。 当DataFrame具有常见的0, 1, 2, ...行索引方案时，这不是问题，但是当DataFrame以其他方式进行索引时，此解决方案将无法工作。 您可以通过向pd.Series()添加index=参数来解决此问题：
df['concat'] = pd.Series(df.fillna('').values.tolist(),
index=df.index).str.join('')
我总是添加index=参数，以确保安全，即使我确定DataFrame已经按行索引为0, 1, 2, ...
这种lambda方法在选择列和分隔符类型方面提供了一些灵活性：
设置：
df = pd.DataFrame({'A': ['1', '2', '3'], 'B': ['4', '5', '6'], 'C': ['7', '8', '9']})
A B C
0 1 4 7
1 2 5 8
2 3 6 9
将所有列连接 - 不使用分隔符：
cols = ['A', 'B', 'C']
df['combined'] = df[cols].apply(lambda row: ''.join(row.values.astype(str)), axis=1)
A B C combined
0 1 4 7 147
1 2 5 8 258
2 3 6 9 369
使用'_'分隔符连接两列A和C：
cols = ['A', 'C']
df['combined'] = df[cols].apply(lambda row: '_'.join(row.values.astype(str)), axis=1)
A B C combined
0 1 4 7 1_7
1 2 5 8 2_8
2 3 6 9 3_9
df_tmp=df.astype(str) + ','
df_tmp.sum(axis=1).str.rstrip(',')
之前：
1.2.3.480tcp
6.6.6.680udp
7.7.7.78080tcp
8.8.8.88080tcp
9.9.9.98080tcp
之后：
1.2.3.4,80,tcp
6.6.6.6,80,udp
7.7.7.7,8080,tcp
8.8.8.8,8080,tcp
9.9.9.9,8080,tcp
哪个看起来更好（像CSV :) 在我的机器上，这个额外的分隔步骤要慢大约30％。