如何将两个Pandas DataFrame合并为含列名标识的目标结构？

嘿，这个需求咱们可以通过Pandas的堆叠（stack）和合并操作轻松实现，我给你一步步拆解清楚：

第一步：处理数值型DataFrame（df） #

先把df的列转成行，同时保留原列名作为新的Name列，数值对应Cost列：

# 堆叠列到行，重置索引后调整列名
df_stacked = df.stack().reset_index()
df_stacked.columns = ['行索引', 'Name', 'Cost']
# 删掉不需要的行索引列
df_stacked = df_stacked.drop('行索引', axis=1)

第二步：处理字符串型DataFrame（df2） #

用同样的方式处理df2，提取出Serial列和对应的Name列：

df2_stacked = df2.stack().reset_index()
df2_stacked.columns = ['行索引', 'Name', 'Serial']
df2_stacked = df2_stacked.drop('行索引', axis=1)

第三步：合并两个处理后的结果 #

因为两个堆叠后的DataFrame的Name列和行顺序完全匹配，直接拼接列就可以得到目标结构：

# 按列拼接，只保留需要的字段
df3 = pd.concat([df2_stacked['Serial'], df_stacked['Cost'], df_stacked['Name']], axis=1)

更简洁的一行式写法 #

如果想省点代码，也可以直接把两步堆叠和合并放在一起：

import pandas as pd

df = pd.DataFrame({'A': [1,2,3,4], 'B': [5,6,7,8], 'C': [9,10,11,12]})
df2 = pd.DataFrame({'A': ['a','b','c','d'], 'B': ['e','f','g','h'], 'C': ['i','j','k','l']})

# 直接堆叠两个DataFrame，重组列名后筛选目标字段
df3 = pd.concat([df2.stack(), df.stack()], axis=1).reset_index()
df3.columns = ['_', 'Name', 'Serial', 'Cost']
df3 = df3[['Serial', 'Cost', 'Name']].reset_index(drop=True)

运行上面的代码后，你就能得到完全符合需求的df3啦！

内容的提问来源于stack exchange，提问作者ben121