Python中如何从拼接后的DataFrame恢复原始A_1和A_2？

问题根源 #

你尝试用A_concat[1]、A_concat[2]拆分是错误的——pd.concat(axis=0)是行方向堆叠，结果是把A_1的所有行放在A_2前面，而A_concat[X]是按列索引/列名取值，和行拆分完全无关，自然拿不到原始DataFrame。

两种正确拆分方法 #

方法1：利用原始DataFrame的行数拆分 #

如果还能获取A_1、A_2的原始行数，直接用iloc按行范围切片：

# 获取A_1的行数
a1_rows = len(A_1)
# 拆分出原始A_1
restored_A1 = A_concat.iloc[:a1_rows, :]
# 拆分出原始A_2
restored_A2 = A_concat.iloc[a1_rows:, :]

方法2：拼接时预留标识，后续精准拆分 #

如果不确定原始行数，或者需要更清晰的溯源，可以在拼接时通过keys参数给两个DataFrame打标签，之后提取：

# 拼接时添加层级索引标记来源
A_concat = pd.concat([A_1, A_2], axis=0, keys=['source_A1', 'source_A2'])

# 方式A：用xs快速提取
restored_A1 = A_concat.xs('source_A1', level=0)
restored_A2 = A_concat.xs('source_A2', level=0)

# 方式B：用groupby遍历拆分
for label, df in A_concat.groupby(level=0):
    if label == 'source_A1':
        restored_A1 = df.reset_index(level=0, drop=True)  # 移除层级索引
    else:
        restored_A2 = df.reset_index(level=0, drop=True)

reset_index(level=0, drop=True)是为了去掉拼接时新增的层级索引，让恢复后的DataFrame和原始结构完全一致。

补充说明 #

如果拼接后做过行索引重置（比如用了ignore_index=True），方法1依然有效，只要你保留了原始A_1的行数；方法2则需要在拼接时就指定keys，否则无法追溯来源。

内容的提问来源于stack exchange，提问作者NN_Developer