如何按行交替合并Pandas DataFrame中的成对列

问题背景 #

现有如下Pandas DataFrame：

import pandas as pd
import numpy as np  # 后续方案需用到
df = pd.DataFrame({'home_id':   ['1', '3', '5', '7'],
                   'home_name': ['A', 'C', 'E', 'G'],
                   'away_id':   ['2', '4', '6', '8'],
                   'away_name': ['B', 'D', 'F', 'H']})

需要生成按第一行home列→第一行away列→第二行home列→第二行away列交替顺序的目标结构：

id name
1    A
2    B
3    C
4    D
5    E
6    F
7    G
8    H

此前用pd.concat合并后按索引排序的方法，在存在重复索引时易出错，因此需要更可靠的交替取值方案。

高效解决方案：利用numpy数组重塑 #

直接通过numpy的数组拼接与重塑操作，无需依赖索引排序，完美实现交替顺序：

# 将每行的home数据与away数据横向配对，再重塑为2列结构
data = np.column_stack([df[['home_id', 'home_name']].values, 
                        df[['away_id', 'away_name']].values]).reshape(-1, 2)
# 转换为目标DataFrame
result_df = pd.DataFrame(data, columns=['id', 'name'])

方案说明 #

1. np.column_stack将每行的(home_id, home_name)和(away_id, away_name)横向拼接，得到形状为(4,4)的数组（4行，每行包含home_id、home_name、away_id、away_name）
2. reshape(-1,2)将数组自动展平并重塑为2列结构，最终得到8行2列的数组，正好对应home→away的交替顺序
3. 最后将数组转为DataFrame并指定列名即可

验证结果 #

运行上述代码后，result_df的输出完全符合目标结构：

id name
0  1    A
1  2    B
2  3    C
3  4    D
4  5    E
5  6    F
6  7    G
7  8    H

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