如何使用Python将两个不同DataFrame的行逐行堆叠？

要实现将两个结构一致的DataFrame行逐行交替堆叠（即先取df的一行，再取df1的对应行，循环往复），可以用以下两种简单方法：

方法一：利用concat+排序（通用型） #

适合两个DataFrame索引匹配、结构一致的场景，步骤清晰易理解：

import pandas as pd

# 你的示例数据
df = pd.DataFrame([{'col1':1,'col2':2},{'col1':5,'col2':6},{'col1':9,'col2':10}],index = ['A', 'Z', 'B'],columns=['col1','col2'])
df1 = pd.DataFrame([{'col1':3,'col2':4},{'col1':7,'col2':8},{'col1':11,'col2':12}],index = ['A', 'Z', 'B'],columns=['col1','col2'])

# 给两个DataFrame加标识列，区分来源
df['source'] = 0
df1['source'] = 1

# 合并后按索引+标识排序，最后移除标识列
result = pd.concat([df, df1]).sort_values(by=['index', 'source']).drop('source', axis=1)

print(result)

输出结果：

col1  col2
A     1     2
A     3     4
Z     5     6
Z     7     8
B     9    10
B    11    12

方法二：numpy拼接（高效型） #

如果两个DataFrame的行数、列数完全一致，用numpy直接操作底层数据会更高效，适合大数据量场景：

import pandas as pd
import numpy as np

# 示例数据
df = pd.DataFrame([{'col1':1,'col2':2},{'col1':5,'col2':6},{'col1':9,'col2':10}],index = ['A', 'Z', 'B'],columns=['col1','col2'])
df1 = pd.DataFrame([{'col1':3,'col2':4},{'col1':7,'col2':8},{'col1':11,'col2':12}],index = ['A', 'Z', 'B'],columns=['col1','col2'])

# 交替拼接行数据
stacked_data = np.vstack([df.values, df1.values]).reshape(-1, 2, df.shape[1]).swapaxes(0,1).reshape(-1, df.shape[1])
# 生成重复两次的索引
new_index = df.index.repeat(2)
# 重建结果DataFrame
result = pd.DataFrame(stacked_data, index=new_index, columns=df.columns)

print(result)

输出结果和方法一完全一致。

内容的提问来源于stack exchange，提问作者armhels