dataframe,如何通过列A和列B数据生成列C，使得：如果列A为缺失值、列B不是缺失值，那么生成列C=列B；如果列B为缺失值、列A不是缺失值，那么生成列C=列A；如果列B不是缺失值、列A也不是缺失值，那么生成列C=列A+列B；

您可以使用 pandas 库中的 apply 函数来实现该功能。具体操作如下：

import pandas as pd
import numpy as np

# 创建一个示例 DataFrame
df = pd.DataFrame({'A': [1, 2, np.nan, 4], 'B': [np.nan, 6, 7, np.nan]})

# 定义一个函数根据列A和列B生成列C的值
def func(row):
    if np.isnan(row['A']) and not np.isnan(row['B']):
        return row['B']
    elif np.isnan(row['B']) and not np.isnan(row['A']):
        return row['A']
    else:
        return str(row['A']) + ' ' + str(row['B'])

# 使用 apply 函数将该函数应用到每一行并生成一列新的C列
df['C'] = df.apply(func, axis=1)

# 输出生成的 DataFrame
print(df)

输出结果如下：

     A    B      C
0  1.0  NaN    1.0
1  2.0  6.0  2.0 6.0
2  NaN  7.0    7.0
3  4.0  NaN    4.0

其中：

- 第一行 A 列为缺失值，B 列为 NaN，根据规则 C 列的值应该为 B 列的值，即 1.0；
- 第二行 A 列和 B 列都不是缺失值，根据规则 C 列的值应该为 A 列和 B 列拼接而成的字符串，即 2.0 6.0；
- 第三行 B 列为缺失值，A 列不是缺失值，根据规则 C 列的值应该为 A 列的值，即 7.0；
- 第四行 A 列为不是缺失值，B 列为 NaN，根据规则 C 列的值应该为 A 列的值，即 4.0。