如何将同列数同列名但行数不同的df1、df2按列交错合并为单个dataframe?
双DataFrame列交错拼接实操方案
针对两个列数、列名完全一致但行数存在差异的DataFrame,按交错列规则完成合并的步骤如下:
- 行索引预处理对齐
两个DataFrame行数不等时,直接横向拼接会因索引不匹配生成无意义的空值。如果需要按行位置对齐(即第一行对应第一行、第二行对应第二行的逻辑),先执行索引重置:df1_processed = df1.reset_index(drop=True) df2_processed = df2.reset_index(drop=True)注意:如果业务场景需要按公共键(比如时间戳、用户ID)匹配行,不需要做上述重置操作,保留两个DataFrame的原索引即可,拼接时会自动按共同索引匹配对应行。
- 生成交错排列的列序列
由于两个DataFrame列名完全一致,直接提取公共列名列表,逐列取出df1的对应列、再取df2的对应列,按顺序拼成新的列序列:# 提取两个df共有的列名列表 common_cols = df1.columns.tolist() # 按交错规则生成列序列 interleaved_cols = [] for col in common_cols: interleaved_cols.append(df1_processed[col]) interleaved_cols.append(df2_processed[col]) - 生成最终合并结果
按列方向把上述交错序列拼接为新的DataFrame,可通过自定义列名后缀避免列名重复冲突:final_df = pd.concat( [ pd.Series( col_data, name=f"{col_name}_df1" if idx % 2 == 0 else f"{col_name}_df2" ) for idx, (col_name, col_data) in enumerate( (col, data) for col in common_cols for data in [df1_processed[col], df2_processed[col]] ) ], axis=1 ) - 常见踩坑提醒
直接使用pd.concat([df1, df2], axis=1)的写法不符合要求,这种方式会把df1的所有列放在前面、df2的所有列放在后面,完全无法实现列交错的排布效果。
内容的提问来源于stack exchange,提问作者TomasC8
相关产品推荐
相关产品推荐

