如何在Pandas中合并两个DataFrame并重新索引以保留全部数据

原始数据定义 #

首先定义题目中的两个DataFrame：

import pandas as pd

df = pd.DataFrame({'Cit':[1,3,4,8,6], 'Hou':[15,10,20,45,70]}).set_index(pd.Series([0,1,2,8,4]))
df2 = pd.DataFrame({'Cit':[6,1], 'Hou':[55,29]}).set_index(pd.Series([1,3]))

方法一：按目标顺序提取行拼接 #

直接按照期望结果的行顺序，从两个原始DataFrame中提取对应行并拼接，最后设置新索引：

# 按目标顺序依次提取行
target_rows = [
    df.loc[0],
    df2.loc[1],
    df.loc[1],
    df.loc[2],
    df2.loc[3],
    df.loc[8],
    df.loc[4]
]

# 拼接成新DataFrame并重置临时索引
ddf = pd.DataFrame(target_rows).reset_index(drop=True)
# 设置题目要求的最终索引
ddf.index = [0,1,2,8,4,5,6]

方法二：合并后按位置选取行 #

先合并两个DataFrame，再通过行位置选取目标顺序的行，最后设置新索引：

# 合并两个DataFrame，保留原始索引
combined = pd.concat([df, df2])
# 按目标顺序选取对应位置的行（0:df的索引0行，5:df2的索引1行，1:df的索引1行，以此类推）
ddf = combined.iloc[[0,5,1,2,6,3,4]]
# 设置最终索引
ddf.index = [0,1,2,8,4,5,6]

验证结果 #

运行上述代码后，ddf的输出与题目期望完全一致：

print(ddf)
# 输出：
#    Cit  Hou
# 0    1   15
# 1    6   55
# 2    3   10
# 8    4   20
# 4    1   29
# 5    8   45
# 6    6   70

内容的提问来源于stack exchange，提问作者Hima Santhosh