如何将两个同索引DataFrame的对应列成对合并排列？

核心思路 #

先提取两组列的「基础名称」（比如从Actual Col A中提取Col A），再按「Actual列 + 对应Target列」的成对规则重构列顺序，最后用新顺序重排DataFrame即可。

具体实现代码 #

import pandas as pd

# 读取数据（保留原有读取逻辑）
actuals = pd.read_excel('PDS Monthly')
targets = pd.read_excel('Targets')

# 合并DataFrame（替代原merge写法，索引一致时横向拼接更高效直观）
result = pd.concat([actuals, targets], axis=1)

# 步骤1：提取基础列名（从Actuals的列中移除前缀"Actual "）
base_names = [col.replace("Actual ", "") for col in actuals.columns]

# 步骤2：构建成对的列顺序
new_col_order = []
for name in base_names:
    new_col_order.append(f"Actual {name}")
    new_col_order.append(f"Target {name}")

# 步骤3：按新顺序重排列
result = result[new_col_order]

print(result)

补充说明 #

1. 合并方式优化：原代码的merge+reset_index可以替换为pd.concat，因为两个DataFrame索引一致，横向拼接更直接高效，结果完全相同。
2. 简洁写法适配：如果targets的列顺序和actuals完全对应（即actuals.columns[0]对应targets.columns[0]），可以用一行代码生成列顺序：

   new_col_order = [item for pair in zip(actuals.columns, targets.columns) for item in pair]
   

   但如果列顺序可能不匹配，优先用「提取基础名称」的方法，确保配对绝对准确。
3. 大规模列适配：上述逻辑完全支持45列的场景，无需修改代码，循环会自动遍历所有列完成成对排列。

内容的提问来源于stack exchange，提问作者Ryan