您可以使用dot产品：

df['mode'] = (df.notna() @ (df.columns+'-')).str[:-1]

字符串
输出量：

subsegment region subregion segment                          mode
0       corp  japan       NaN     NaN             subsegment-region
1        NaN    NaN        se     ent             subregion-segment
2       terr    NaN        ne    comm  subsegment-subregion-segment

型
或者，使用经典的groupby.agg：

s = df.notna().stack()

df['mode'] = s[s].reset_index().groupby('level_0')['level_1'].agg('-'.join)

型
或自定义聚合：

df['mode'] = df.notna().mul(df.columns).agg(lambda x: '-'.join(x[x.ne('')]), axis=1)

型

您可以使用下面的代码。我使用apply和一个自定义函数，该函数只查找非空的列

from itertools import compress
def temp_func(x, cols):

    list_a = (~x.isna()).to_list()
    ret = list(compress(cols, list_a))
    return '-'.join(ret)
df['mode']= df.apply(lambda x: temp_func(x, list(df.columns)), axis=1)
print(df)

字符串
输出：

subsegment region subregion segment                          mode
0       corp  japan       NaN     NaN             subsegment-region
1        NaN    NaN        se     ent             subregion-segment
2       terr    NaN        ne    comm  subsegment-subregion-segment

型

一个可能的解决方案：

a = df.columns.values * (~pd.isnull(df.values))

df['mode'] = ['-'.join(a[i,:][a[i,:] != '']) for i in range(a.shape[0])]

字符串
或者：

df['mode'] = df.apply(lambda x: '-'.join(df.columns[~x.isna()]), axis=1)

型
输出量：

subsegment region subregion segment                          mode
0       corp  japan       NaN     NaN             subsegment-region
1        NaN    NaN        se     ent             subregion-segment
2       terr    NaN        ne    comm  subsegment-subregion-segment

型