您可以使用max，但是您需要转换字符串值列中的空值（不幸的是，这有点难看）

>>> df = pd.DataFrame({'col1':[np.nan, "ABC1"], 'col2':[15.0, np.nan]})

>>> df.apply(lambda c: c.fillna('') if c.dtype is np.dtype('O') else c).max()
col1    ABC1
col2      15
dtype: object

您也可以使用fillback和forwardfill的组合来填充空隙，如果只想将此方法应用于某些列，则此方法可能会很有用：

>>> df.apply(lambda c: c.fillna(method='bfill').fillna(method='ffill'))

选项0

• 超级简单 *

pd.concat([pd.Series(df[c].dropna().values, name=c) for c in df], axis=1)

   col1  col2  col3   col4   col5 col6
0  ABC1  15.0  24RA  Large  345.0   US

• 我们可以在每列中处理多个值吗？*
• 当然可以 *

df.loc[2, 'col3'] = 'Test'

   col1  col2  col3   col4   col5 col6
0  ABC1  15.0  Test  Large  345.0   US
1   NaN   NaN  24RA    NaN    NaN  NaN

选项1

• 像外科医生一样使用np.where的广义解 *

第一次

选项2

• mask生成空值，然后stack删除空值 *

或者我们可以

# This should work even if `'-'` are NaN
# but you can skip the `.mask(df == '-')`
s = df.mask(df == '-').stack().reset_index(0, drop=True)
c = s.groupby(level=0).cumcount()
s.index = [c, s.index]
s.unstack(fill_value='-')

   col1  col2  col3   col4 col5 col6
0  ABC1  15.0  Test  Large  345   US
1     -     -  24RA      -    -    -