Python 连接数据帧中的所有列

我正在尝试连接数据帧的所有列，以便最终得到一列，其中包含数据帧中的所有值。以下代码执行此操作：

df2 = pd.concat([df[0], df[1], df[2], df[3], df[4], df[5], df[6], df[7]])

但我希望能够对具有不同列数的数据帧执行此操作。当我尝试时：

dfpr2=pd.concat（[df.columns）

我得到以下错误： 无法连接类型为

IIUC
df.astype（str.sum）（axis=1）的对象

如果需要自定义分隔符，请使用
.agg

df.astype(str).agg('|'.join,axis=1)

0    A|0|2019-01-10
1    B|1|2020-01-10
2    C|2|2021-01-10

这是一种连接列值的简单方法

df1 = df['1st Column Name'] + df['2nd Column Name'] + ...

我认为@cs95有一篇关于字符串的stackoverflow帖子。对于字符串，在Python中进行计算时，它们的速度要快得多。
快速问题：如何将
sum
与定界符结合起来？太棒了，干杯。尽管我感觉
agg
的性能不如
sum
，但MarkWang字符串方法通常都是缓慢，但我同意，agg将比
sum
慢，但我还没有测试过它。通常，您希望对所有列进行压缩，以创建某种代理键，因此，更新表时必须使用它
df1 = df['1st Column Name'] + df['2nd Column Name'] + ...

Timing for different methods : 

%timeit df.iloc[:,0].str.cat(df.iloc[:,1:].astype(str),',')
880 µs ± 28.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

%timeit df.astype(str).agg('|'.join,axis=1)
1.45 ms ± 39 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

%timeit df.astype(str).sum(axis=1)
562 µs ± 11.7 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

%timeit [','.join(ent) for ent in df.astype(str).to_numpy()]
350 µs ± 6.48 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)