blocks|key|2001891|text|将Series.fillna与DataFrame.pop一起用于提取列并最后转换为整数：|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|2001892|df['Year']=+df.pop('A').fillna(df.pop('B')).astype(int)

#if+possible+some+missing+values+in+Year+column
#df['Year']=+df.pop('A').fillna(df.pop('B')).astype('Int64')
print+(df)
++++++Name++Year
0++Pikachu++2007
1++Pikachu++2008
2+++Raichu++2007
3++++++Mew++2018|code-block|syntax|javascript|2001893|entityMap|0|LINK|mutability|MUTABLE|url|http://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.fillna.html|1|http://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.pop.html^0|1|D|F|D|1|D|0|F|D|1|0|0^^$0|@$1|2|3|4|5|6|7|U|8|@$9|V|A|W|B|C]|$9|X|A|Y|B|C]]|D|@$9|Z|A|10|1|11]|$9|12|A|13|1|14]]|E|$]]|$1|F|3|G|5|H|7|15|8|@]|D|@]|E|$I|J]]|$1|K|3|-4|5|6|7|16|8|@]|D|@]|E|$]]]|L|$M|$5|N|O|P|E|$Q|R]]|S|$5|N|O|P|E|$Q|T]]]]

Use <a href="http://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.fillna.html" rel="nofollow noreferrer"><code>Series.fillna</code></a> with <a href="http://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.pop.html" rel="nofollow noreferrer"><code>DataFrame.pop</code></a> for extract columns and last convert to integers:

<pre><code>df['Year']= df.pop('A').fillna(df.pop('B')).astype(int)

#if possible some missing values in Year column
#df['Year']= df.pop('A').fillna(df.pop('B')).astype('Int64')
print (df)
 Name Year
0 Pikachu 2007
1 Pikachu 2008
2 Raichu 2007
3 Mew 2018
</code></pre>

blocks|key|2212876|text|df+=+df.fillna(0)
df["Year"]+=+df["A"]+%2B+df["B"]
df+=+df[['Name','Year']]|type|code-block|depth|inlineStyleRanges|entityRanges|data|syntax|javascript|2212877|unstyled|entityMap^0|0^^$0|@$1|2|3|4|5|6|7|G|8|@]|9|@]|A|$B|C]]|$1|D|3|-4|5|E|7|H|8|@]|9|@]|A|$]]]|F|$]]

<pre><code>df = df.fillna(0)
df["Year"] = df["A"] + df["B"]
df = df[['Name','Year']]
</code></pre>

blocks|key|2001936|text|你能试一下吗。|type|unstyled|depth|inlineStyleRanges|entityRanges|data|2001937|df['Year']=df['A'].combine_first(df['B'])
df|code-block|syntax|javascript|2001938|输出如下。|2001939|+++++Name++++A+++++++B++++++Year
0+++Pikachu+2007.0++NaN+++++2007.0
1+++Pikachu+NaN+++++2008.0++2008.0
2+++Raichu++2007.0++NaN+++++2007.0
3+++Mew+++++NaN+++++2018.0++2018.0|2001940|要在新的数据框架中只获取Name和year列，请尝试如下。|offset|length|style|CODE|2001941|df['Year']=df['A'].combine_first(df['B'])
df1=df[['Name','Year']]
df1|2001942|entityMap^0|0|0|0|0|C|4|H|4|0|0^^$0|@$1|2|3|4|5|6|7|U|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|V|8|@]|9|@]|A|$E|F]]|$1|G|3|H|5|6|7|W|8|@]|9|@]|A|$]]|$1|I|3|J|5|D|7|X|8|@]|9|@]|A|$E|F]]|$1|K|3|L|5|6|7|Y|8|@$M|Z|N|10|O|P]|$M|11|N|12|O|P]]|9|@]|A|$]]|$1|Q|3|R|5|D|7|13|8|@]|9|@]|A|$E|F]]|$1|S|3|-4|5|6|7|14|8|@]|9|@]|A|$]]]|T|$]]

Could you please try following.

<pre><code>df['Year']=df['A'].combine_first(df['B'])
df
</code></pre>

Output will be as follows.

<pre><code> Name A B Year
0 Pikachu 2007.0 NaN 2007.0
1 Pikachu NaN 2008.0 2008.0
2 Raichu 2007.0 NaN 2007.0
3 Mew NaN 2018.0 2018.0
</code></pre>

<hr>

<hr>

To get only <code>Name</code> and <code>year</code> columns in a new data frame try following.

<pre><code>df['Year']=df['A'].combine_first(df['B'])
df1=df[['Name','Year']]
df1
</code></pre>

blocks|key|2001974|text|numpy.where是有用的|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|2001975|df["A"]+=+np.where(df["A"].isna(),+df["B"],+df["A"]).astype("int")
df+=+df.drop("B",+axis=1)
print(df)
++++Name++++Year
0+++Pikachu+2007
1+++Pikachu+2008
2+++Raichu++2007
3+++Mew+++++2018|code-block|syntax|javascript|2001976|entityMap|0|LINK|mutability|MUTABLE|url|https://docs.scipy.org/doc/numpy/reference/generated/numpy.where.html^0|0|B|0|0|0^^$0|@$1|2|3|4|5|6|7|Q|8|@]|9|@$A|R|B|S|1|T]]|C|$]]|$1|D|3|E|5|F|7|U|8|@]|9|@]|C|$G|H]]|$1|I|3|-4|5|6|7|V|8|@]|9|@]|C|$]]]|J|$K|$5|L|M|N|C|$O|P]]]]

<a href="https://docs.scipy.org/doc/numpy/reference/generated/numpy.where.html" rel="nofollow noreferrer">numpy.where</a> could be usefull

<pre><code>df["A"] = np.where(df["A"].isna(), df["B"], df["A"]).astype("int")
df = df.drop("B", axis=1)
print(df)
 Name Year
0 Pikachu 2007
1 Pikachu 2008
2 Raichu 2007
3 Mew 2018
</code></pre>

I will like to merge 2 columns into 1 column and remove nan. 

I have this data:

<pre><code> Name A B 
 Pikachu 2007 nan
 Pikachu nan 2008
 Raichu 2007 nan
 Mew nan 2018
</code></pre>

Expected Result:

<pre><code> Name Year 
 Pikachu 2007 
 Pikachu 2008 
 Raichu 2007 
 Mew 2008 
</code></pre>

Code I tried:

<pre><code>df['Year']= df['A','B'].astype(str).apply(''.join,1)
</code></pre>

But my result is this: 

<pre><code> Name Year 
Pikachu 2007nan 
Pikachu nan2008 
Raichu 2007nan 
Mew nan2008
</code></pre>

Merge 2 columns into 1 column

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

我想将2列合并为1列并删除nan。我有这样的数据：     Name       A       B       Pikachu   2007    nan    Pikachu   nan     2008    Raichu    2007    nan    Mew       nan     2018预期结果：...

问将2列合并为1列
EN

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问将2列合并为1列EN