如何为Pandas DataFrame的每个ID追加另一DataFrame的行

先看示例数据：

import pandas as pd
import numpy as np

# 示例df1
df1 = pd.DataFrame({
    'id': [1, 2],
    'data_col': ['A', 'B']
})

# 示例df2（id列为空）
df2 = pd.DataFrame({
    'id': [np.nan, np.nan],
    'data_col': ['X', 'Y']
})

目标输出效果：

id data_col
0  1.0        A
1  NaN        X
2  NaN        Y
3  2.0        B
4  NaN        X
5  NaN        Y

直接用列表推导式生成每个id对应的拼接块，再整体合并：

# 遍历df1的每一行索引，将该行与df2拼接，最后合并所有结果
result = pd.concat([pd.concat([df1.loc[[idx]], df2], ignore_index=True) for idx in df1.index], ignore_index=True)

为什么不用for/if else循环行？ #

Pandas的设计核心是向量化操作，循环单行会大幅降低处理效率，尤其是当df1数据量较大时。上面的方法利用Pandas内置的concat方法批量处理，既简洁又高效。

补充说明 #

如果df1和df2的列不完全一致，concat会自动补全缺失值为NaN，不影响最终结果。如果需要严格保留原列顺序，可在concat时指定sort=False（Pandas 1.0.0及以上版本默认sort=False）。

内容的提问来源于stack exchange，提问作者padawan