我有一系列特定的数据集，其一般形式如下：

import pandas as pd
import random
df = pd.DataFrame({'n': random.sample(xrange(1000), 3), 't0':['a', 'b', 'c'], 't1':['d','e','f'], 't2':['g','h','i'], 't3':['i','j', 'k']})

的数量tn列 （t0、t1、t2 ... tn) 因数据集而异，但始终tn每行的列，以便我实现此结果（请注意，为了可读性，我需要保留元素之间的空格）：

df['result'] = df.t0 +' '+df.t1+' '+df.t2+' '+ df.t3

到目前为止，一切都很好。这段代码可能很简单，但一旦我收到另一个数据集，它就会变得笨拙和不灵活，其中的数量tn列上升。这就是我的问题所在：

是否有其他语法可以跨多列合并内容？与数字列无关的东西，类似于：

df['result'] = ' '.join(df.ix[:,1:])

基本上，我想实现与下面链接中的OP相同的效果，但字符串之间有空格：在数据帧的特定列之间按行连接 https://stackoverflow.com/questions/6308933/r-concatenate-row-wise-across-specific-columns-of-dataframe

对字符串的列（Series）进行操作的关键en mass is the Series.str https://pandas.pydata.org/pandas-docs/stable/api.html#string-handling访问器。

我能想到两个.str做你想做的事情的方法。

str.cat()

第一个是str.cat https://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.str.cat.html。您必须从一个系列开始，但您可以传递一个系列列表（不幸的是您无法传递数据帧）以与可选分隔符连接。使用你的例子：

column_names = df.columns[1:]  # skipping the first, numeric, column
series_list = [df[c] for c in column_names[1:]]
# concatenate:
df['result'] = series_list[0].str.cat(series_list[1:], sep=' ')

或者，一行：

df['result'] = df[df.columns[1]].str.cat([df[c] for c in df.columns[2:]], sep=' ')

str.join()

第二个是.str.join() https://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.str.join.html方法，其工作方式类似于标准 Python 方法string.join() https://docs.python.org/2/library/stdtypes.html#str.join，但是你需要有一列可迭代的列（系列），例如一列元组，我们可以通过应用来获得tuples按行到您感兴趣的列的子数据框：

tuple_series = df[column_names].apply(tuple, axis=1)
df['result'] = tuple_series.str.join(' ')

或者，一行：

df['result'] = df[df.columns[1:]].apply(tuple, axis=1).str.join(' ')

顺便说一句，不要尝试上面的list代替tuple. As of pandas-0.20.1，如果函数传入Dataframe.apply()方法返回一个list并且返回的列表具有与原始（子）数据帧的列相同的数量条目，Dataframe.apply()返回一个Dataframe代替Series.