如何在Pandas中高效实现类似SQL的表自联合并（交换列）

针对你需要实现的类似SQL UNION 交换列后合并的需求，有更简洁的方式，完全不需要复杂的索引重排操作：

方法1：直接复制原表并交换列 #

# 复制原表，仅交换user1和user2列
df_swapped = df.copy()
df_swapped[['user1', 'user2']] = df_swapped[['user2', 'user1']]

# 合并原表与交换后的表
df_combined = pd.concat([df, df_swapped], ignore_index=True)

方法2：一行代码生成交换后的表（更简洁） #

如果不需要纠结其他列的顺序，直接用rename快速调换列名，再合并：

df_combined = pd.concat([df, df.rename(columns={'user1':'user2', 'user2':'user1'})], ignore_index=True)

后续统计好友数量 #

合并完成后，就能像SQL里那样按user1分组统计好友数：

friend_count = df_combined.groupby('user1')['user2'].nunique().reset_index(name='friend_count')

为什么你之前的方法繁琐？ #

你之前用reindex再手动交换列的方式多了不必要的步骤——直接复制原表并交换指定列，或者用rename快速调换列名，就能精准达到SQL中UNION的效果，同时避免冗余操作。

内容的提问来源于stack exchange，提问作者Oskar