首先使用以下命令将名称代码列保存在新的数据框中：

cols = df.columns.tolist()
for i in range(0,len(cols),2):
    try:
        codes_df = codes_df.append(df[[cols[i],cols[i+1]]].rename({cols[i]: 'code',cols[i+1]: 'name'},axis=1).assign(source=cols[i))
    except NameError:
        codes_df = df[[cols[i],axis=1).assign(source=cols[i])

然后，您可以仅将代码列保留为：

df = df[[col for col in cols if 'CODE' in col]]

但是，只有按您发布的方式排列列时，第一部分才有效。否则，您将需要对列名称进行检查。

您可以删除名称列，并将对存储在字典中。但我不知道您为什么不希望将这些组合保留在DataFrame中。

names = {}
for c in df.columns:
    if 'NAME' in c:
        names[c] = list(zip(df[c[:-4]+'CODE'],df[c].values))
        df.drop(c,axis=1,inplace=True)

这是仅保留代码列的简单方法：

df2 = df[(lambda column: df.filter(like='_CODE').columns)]

我使用了另一个名为df2的数据框，不会丢失原始数据。

然后，您可以将代码存储在名为codes的变量中，并将值放在其中：

codes = []

for i in range(len(df.columns)-1):
        pairs = df.iloc[:,i:i+2].apply(lambda row: ','.join(row.values.astype(str)),axis=1)
        codes.append(pairs)

注意，它将保留原始数据框的大部分结构，如果您打印它，则会看到类似以下内容的

        [0      0,GARDEN
        1        2,FOOD
        2    1,CLOTHING
        3        2,FOOD
        4      0,GARDEN
        dtype: object,0      0,.
        .
        .

如果您想要一个带有唯一值的整洁列表，请导入numpy并执行以下操作：

np.unique(codes)

结果是：

array(['0,GARDEN','1,CLOTHING','100,GARDENING','10000,TOOLS','10001,SPORTS','10002,WATER','101,MALE','102,LIQUIDS','2,FOOD','CLOTHING,101','FOOD,102','GARDEN,100','GARDENING,10000','LIQUIDS,10002','MALE,10001'],dtype=object)