Pandas Outer Merge后右表非匹配行被置底，如何调整为目标排序？

要实现你想要的穿插排列效果，核心是利用原DataFrame的行位置信息，给不同类型的行设置排序权重，让右表不匹配的行插入到左表对应位置的后面。具体步骤如下：

1. 给原表添加原始索引列：分别给左表和右表新增一列记录它们的原始行位置，用来后续确定插入顺序。
2. 执行Outer Join：保留原始索引列一起合并。
3. 构造排序键：给左表相关的行（匹配行+左表独有行）设置整数排序键（等于左表原始索引），给右表独有的行设置小数排序键（等于右表原始索引 + 0.5），这样右表不匹配行就会排在左表对应位置行的后面。
4. 按排序键排序并清理：排序后删除辅助的索引列，得到目标结果。

代码示例 #

import pandas as pd

# 左表数据
one_final_df = pd.DataFrame({
    'A_1': [23, 1100, 450, 350],
    'B_1': [54, 1300, 600, 560]
})
# 右表数据
two_final_df = pd.DataFrame({
    'A_2': [1200, 1100, 500, 350],
    'B_2': [1400, 1300, 600, 560]
})

# 给原表添加原始索引列
one_final_df['left_idx'] = one_final_df.index
two_final_df['right_idx'] = two_final_df.index

# 执行outer join并保留索引列
final_df = pd.merge(
    one_final_df, 
    two_final_df, 
    left_on=['A_1', 'B_1'], 
    right_on=['A_2', 'B_2'], 
    how='outer'
)

# 构造排序键：左表相关行用整数索引，右表独有行用索引+0.5实现插入
final_df['sort_key'] = final_df.apply(
    lambda row: row['left_idx'] if pd.notna(row['left_idx']) else row['right_idx'] + 0.5,
    axis=1
)

# 排序并清理辅助列
final_df = final_df.sort_values('sort_key').drop(columns=['left_idx', 'right_idx', 'sort_key'])
# 重置索引（按需选择）
final_df = final_df.reset_index(drop=True)

print(final_df)

输出结果 #

A_1     B_1     A_2     B_2
0    23.0    54.0     NaN     NaN
1     NaN     NaN  1200.0  1400.0
2  1100.0  1300.0  1100.0  1300.0
3   450.0   600.0     NaN     NaN
4     NaN     NaN   500.0   600.0
5   350.0   560.0   350.0   560.0

关键说明 #

• 给右表独有行设置right_idx + 0.5的排序键，是为了让它刚好排在左表对应索引行的后面（比如右表索引0的行，排序键是0.5，会排在左表索引0的行（排序键0）之后，左表索引1的行（排序键1）之前）。
• 如果你的原表使用的不是默认整数索引，只需要手动生成一个从0开始的位置序列列替换index即可。

内容的提问来源于stack exchange，提问作者iamcyruss