合并Dataframe（熊猫）中的所有列-python3

我正在尝试将所有列中的所有数据合并到一列中。像这样：

A B C                X
1 2 3               123
3 2 1      -->      321 
5 6 7               567

请记住，我们不知道列和行的数量

我试着这样解决它，但没用

db.assign(sum = db.apply(''.join, axis = 1)).drop([db.index], axis = 1)

提前感谢

这行吗

df.astype(str).sum(axis=1).astype(int)

鉴于：

df = pd.DataFrame({'A':[1,3,5],'B':[2,2,6],'C':[3,1,7]})

结果:

   A  B  C    X
0  1  2  3  123
1  3  2  1  321
2  5  6  7  567

这行吗

df.astype(str).sum(axis=1).astype(int)

鉴于：

df = pd.DataFrame({'A':[1,3,5],'B':[2,2,6],'C':[3,1,7]})

结果:

   A  B  C    X
0  1  2  3  123
1  3  2  1  321
2  5  6  7  567

我们可以先使用df.mul，然后使用df.sum

Timeit分析：

基准设置：

vals = np.random.randint(2, 10, (100_000, 6))
df = pd.DataFrame(vals)

我们可以先使用df.mul，然后使用df.sum

Timeit分析：

基准设置：

vals = np.random.randint(2, 10, (100_000, 6))
df = pd.DataFrame(vals)

---

很酷的一个已经升级，但是字符串连接速度很慢，这会为每个连接构建一个新的字符串。对大型企业来说可能效率不高dfs@Chester我同意！还有更有效的方法。df.astypestr.agg.join，axis=1可能更快，sum执行两两连接，因为字符串是不可变的。很酷的一种方法已经被提升，但字符串连接速度较慢，这会为每个连接生成一个新字符串。对大型企业来说可能效率不高dfs@Chester我同意！还有更有效的方法。df.astypestr.agg.join，axis=1可能更快，sum执行成对连接，因为字符串是不可变的。在这里使用算术非常优雅，做得好！这是一个经过深思熟虑的把戏！在这里使用算术是非常优雅的，很好的工作！这是一个经过深思熟虑的把戏！