如何结合groupby()与concat()按组拼接多个DataFrame？

嘿，这个需求用groupby()和concat()完全可以实现，我给你拆解具体步骤，代码可直接复用：

第一步：先还原你的输入数据 #

首先我们先把你给出的df1和df2用代码创建出来，方便后续测试：

import pandas as pd

# 创建df1（对应你给出的结构）
df1 = pd.DataFrame(
    data=[[0, 1, 4], [0, 2, 5], [1, 1, 3]],
    columns=['a', 'b', 'c'],
    index=[1, 2, 3]
)

# 创建df2（对应你给出的结构）
df2 = pd.DataFrame(
    data=[[0, 1, 5], [0, 2, 5], [1, 1, 4]],
    columns=['a', 'b', 'c'],
    index=[1, 2, 3]
)

第二步：核心实现逻辑 #

因为两个DataFrame的a、b分组完全一致，我们可以先对两者按a和b分组，然后遍历每个分组键，把df1的对应组和df2的对应组上下拼接，最后把所有拼接好的组合并成最终结果：

# 对两个DataFrame按a、b分组
groups_df1 = df1.groupby(['a', 'b'])
groups_df2 = df2.groupby(['a', 'b'])

# 收集每个拼接后的分组结果
combined_list = []
for group_key in groups_df1.groups.keys():
    # 取出当前分组键对应的两组数据
    part1 = groups_df1.get_group(group_key)
    part2 = groups_df2.get_group(group_key)
    # 拼接：df1的组在上，df2的组在下
    combined_part = pd.concat([part1, part2], ignore_index=False)
    combined_list.append(combined_part)

# 合并所有分组，并重设索引为你需要的连续序号
final_result = pd.concat(combined_list, ignore_index=True)
final_result.index = range(1, len(final_result) + 1)

验证结果 #

运行后final_result就是你想要的结构：

a  b  c
1  0  1  4
2  0  1  5
3  0  2  5
4  0  2  5
5  1  1  3
6  1  1  4

更简洁的写法（列表推导式） #

如果想简化代码，可以用列表推导式一步完成：

final_result = pd.concat(
    [pd.concat([groups_df1.get_group(k), groups_df2.get_group(k)]) 
     for k in groups_df1.groups.keys()],
    ignore_index=True
)
final_result.index = range(1, len(final_result) + 1)

补充说明 #

因为你已经明确两个DataFrame的a、b分组完全一致，所以我们直接遍历groups_df1的分组键即可，不用担心出现分组键不存在的情况。如果后续有分组不一致的场景，可以额外加个判断（比如检查group_key是否在groups_df2中）来避免报错。

内容的提问来源于stack exchange，提问作者MirekG