您可以标准化您的列名，删除后缀（使用str.replace），然后在列上执行groupby.agg：

(df.groupby(df.columns.str.replace(r'_\d+$', '', regex=True), axis=1, sort=False)
   .agg(lambda g: g.apply(lambda x: '/'.join(x[x.ne('')]), axis=1))
)

或者：

(df.set_axis(df.columns.str.replace(r'_\d+$', '', regex=True), axis=1)
   .replace('', np.nan).stack()
   .groupby(level=[0,1], sort=False).agg('/'.join)
   .unstack()
)

输出：

name     l_name profession             hobbie
0   Juan     García     Doctor              Dance
1  Pedro    Sánchez     Doctor              Music
2    Ana  Hernández  architect  Music/Paint/Dance

groupby的另一个选项（mozway的路由更短，性能应该更高）：

(df
.groupby(df.columns.str.split('_').str[0], axis = 1)
.agg(lambda f: f.iloc[:, 0].str.cat(f.iloc[:, 1:], sep = '/').str.strip('/'))
.rename(columns = lambda col: f"{col}_combined" if not col == "l" else f"{col}_name")
)
     hobbie_combined     l_name name_combined profession_combined
0              Dance     García          Juan              Doctor
1              Music    Sánchez         Pedro              Doctor
2  Music/Paint/Dance  Hernández           Ana           architect

因为这本质上是一个字符串连接，所以你可以使用for循环来获得更好的性能：

out = df.groupby(df.columns.str.split('_').str[0], axis = 1)
contents = {}

for key, frame in out:
    value = frame.apply("/".join, axis = 1).str.strip("/")
    if key == 'l':
        contents["l_name"] = value
    else:
        contents[f"{key}_combined"] = value
pd.DataFrame(contents)
     hobbie_combined     l_name name_combined profession_combined
0              Dance     García          Juan              Doctor
1              Music    Sánchez         Pedro              Doctor
2  Music/Paint/Dance  Hernández           Ana           architect

您可以在apply空间内进一步转储到普通的python -仅在需要时进行优化。
你也可以使用MultiIndex和for循环

可能的解决方案：

out = df.replace('', pd.NA).bfill(axis=1)
out = pd.concat([
    out['name_1'], out['l_name'], out['profession_4'],
    out.filter(like='hobbie_').apply(
        lambda x: '/'.join(x.dropna().drop_duplicates()), axis=1)], axis=1)
out.columns = ['name_combined', 'l_name', 'profession_combined', 'hobbie_combined']

另一种可能的解决方案：

(df.assign(id = df.index).melt('id')
 .mask(lambda x: x['value'].eq('')).dropna()
 .assign(variable = lambda x: x['variable']
         .str.replace(r'_\d', '_combined', regex=True))
 .pivot_table(index='id', columns='variable', 
              values='value', aggfunc=lambda x: '/'.join(x), sort=False)
 .reset_index(drop=True))

输出：

variable name_combined     l_name profession_combined    hobbie_combined
0                 Juan     García              Doctor              Dance
1                Pedro    Sánchez              Doctor              Music
2                  Ana  Hernández           architect  Music/Paint/Dance