如何在pandas中按行交错合并两个列名一致的dataframe

以下两种实现均基于两表列名完全一致的前提：

方法1：索引排序法（通用，支持行数不一致场景） #

该方案兼容性最强，若两表行数不同，行数更多的表多出的行将自动追加到结果末尾：

import pandas as pd

# 示例数据构造
df1 = pd.DataFrame({'col1': [1,3,5], 'col2': ['a','c','e']})
df2 = pd.DataFrame({'col1': [2,4,6], 'col2': ['b','d','f']})

# 分别给两表设置奇偶间隔的索引
df1_with_idx = df1.set_index(pd.RangeIndex(0, 2*len(df1), 2))
df2_with_idx = df2.set_index(pd.RangeIndex(1, 2*len(df2), 2))

# 拼接后按索引排序，重置索引得到最终结果
df3 = pd.concat([df1_with_idx, df2_with_idx]).sort_index().reset_index(drop=True)

方法2：Numpy矩阵重排法（高效，仅支持行数完全一致场景） #

如果确认两个DataFrame行数完全相同，用该方法运算效率更高：

import pandas as pd
import numpy as np

df1 = pd.DataFrame({'col1': [1,3,5], 'col2': ['a','c','e']})
df2 = pd.DataFrame({'col1': [2,4,6], 'col2': ['b','d','f']})

# 垂直堆叠后按列优先重排，转换为DataFrame
df3 = pd.DataFrame(
    np.vstack([df1.values, df2.values]).reshape(-1, df1.shape[1], order='F'),
    columns=df1.columns
)

两种方法最终得到的df3均符合要求的交错排列规则：第1行来自df1第1行、第2行来自df2第1行，以此类推。

内容的提问来源于stack exchange，提问作者Tanmay Dwivedi