如何将ID2非空行交换ID1与ID2、Primary与Secondary后追加到数据集末尾

以下提供两种主流场景下的可落地实现方案：

1. 关系型数据库场景（适配MySQL/PostgreSQL等绝大多数数据库） #

假设你的表名为user_data，操作分两步执行：

• 第一步先执行查询校验结果是否符合预期，避免插错数据：

SELECT
  ID2 AS ID1,
  Name,
  AGE,
  ID2,
  Secondary AS `Primary`,
  Secondary AS Secondary
FROM user_data
WHERE ID2 IS NOT NULL AND ID2 != '';

• 确认查询结果和你预期的新增行完全一致后，执行插入操作：

INSERT INTO user_data (ID1, Name, AGE, ID2, `Primary`, Secondary)
SELECT
  ID2 AS ID1,
  Name,
  AGE,
  ID2,
  Secondary AS `Primary`,
  Secondary AS Secondary
FROM user_data
WHERE ID2 IS NOT NULL AND ID2 != '';

注意：如果你的ID字段是自增主键，插入时不需要手动赋值，数据库会自动生成7-11的连续ID，和你给出的预期结果完全匹配。如果ID是非自增字段，可通过以下语句自动生成新ID（以MySQL为例）：

INSERT INTO user_data (ID, ID1, Name, AGE, ID2, `Primary`, Secondary)
SELECT
  (@row := @row +1) + max_id AS ID,
  ID2 AS ID1,
  Name,
  AGE,
  ID2,
  Secondary AS `Primary`,
  Secondary AS Secondary
FROM user_data,
(SELECT MAX(ID) AS max_id FROM user_data) t,
(SELECT @row :=0) r
WHERE ID2 IS NOT NULL AND ID2 != '';

2. Python Pandas场景（适配本地数据集处理） #

如果你的数据存储在本地文件（Excel/CSV等），可通过以下代码实现：

import pandas as pd

# 读取原始数据，可替换为read_csv等对应读取方法
df = pd.read_excel("原始数据文件路径.xlsx")

# 筛选ID2非空的行并复制
df_add = df[df['ID2'].notna() & (df['ID2'] != '')].copy()

# 替换对应字段值
df_add['ID1'] = df_add['ID2']
df_add['Primary'] = df_add['Secondary']

# 生成连续的新ID
max_old_id = df['ID'].max()
df_add['ID'] = range(max_old_id + 1, max_old_id + 1 + len(df_add))

# 合并原数据和新增行
df_result = pd.concat([df, df_add], ignore_index=True)

# 导出结果
df_result.to_excel("处理后结果.xlsx", index=False)

内容的提问来源于stack exchange，提问作者ruedi