pandas合并两个df的索引交错方法

本文揭秘了一种精准控制行序的 pandas 高级技巧：利用 concat 拼接后配合 sort_index(kind="stable")，实现两个 DataFrame 按原始索引位置严格交错合并（df1[0], df2[0], df1[1], df2[1]…），完美应对 SAP 等 ERP 系统导入中对行序具有业务含义的关键场景——既避开 merge 的键依赖、又绕过 append 的顺序丢失，以极简代码达成不可妥协的顺序精度，是数据工程师处理结构化附件、主附表交替排版等真实需求时不可或缺的实战方案。

本文介绍使用 pandas 的 concat 与稳定排序（sort_index(kind="stable")）实现两表按原始索引位置交错拼接，严格保持 df1 索引0、df2 索引0、df1 索引1、df2 索引1…的交替顺序，适用于 SAP 数据导入等对行序敏感的场景。

本文介绍使用 pandas 的 `concat` 与稳定排序（`sort_index(kind="stable")`）实现两表按原始索引位置交错拼接，严格保持 df1 索引0、df2 索引0、df1 索引1、df2 索引1…的交替顺序，适用于 SAP 数据导入等对行序敏感的场景。

在实际数据处理中，尤其是对接 ERP 系统（如 SAP）时，Excel 文件的行顺序具有业务语义——例如需将主数据（df1）与对应附件标识（df2）严格交替排列，而非简单纵向堆叠或基于键值连接。此时，常规的 merge、join 或 append 均无法满足“索引0配对、索引1配对……”的交错需求。

正确解法是：先拼接，再按索引稳定排序。关键在于 pd.concat() 默认保留各 DataFrame 内部顺序，而 sort_index(kind="stable") 能确保相同索引值的行不发生内部顺序颠倒（即 df1 的行始终排在同索引 df2 行之前），从而精准复现目标结构。

以下为完整实现代码：

import pandas as pd

# 构造示例数据
df1 = pd.DataFrame({"x": ["one", "two", "three", "four", "five"],
                     "y": [1, 2, 3, 4, 5]})
df2 = pd.DataFrame({"x": ["six", "seven", "eight", "nine", "ten"],
                     "y": [6, 7, 8, 9, 10]})

# 交错合并：先拼接，再按索引稳定排序
result = pd.concat([df1, df2]).sort_index(kind="stable")

print(result)

输出结果完全符合预期：

       x   y
0    one   1
0    six   6
1    two   2
1  seven   7
2  three   3
2  eight   8
3   four   4
3   nine   9
4   five   5
4    ten  10

⚠️ 注意事项：

• 必须使用 kind="stable"（Python 3.11+ / pandas ≥1.4.0 默认支持），否则普通 sort_index() 可能打乱同索引行的相对顺序；
• 两表索引必须一致（如均为 range(0, n)），若索引不匹配，需先重置：df1.reset_index(drop=True)；
• 此方法不依赖列名对齐，仅依赖索引位置，因此即使列名不同也可通过 ignore_index=False 保持索引参与排序；
• 导出至 Excel 时建议使用 result.to_excel("output.xlsx", index=False) 避免写入索引列（除非业务要求保留重复索引）。

该方案简洁、高效、可复现，是解决“索引驱动交错合并”问题的标准实践。

今天关于《pandas合并两个df的索引交错方法》的内容就介绍到这里了，是不是学起来一目了然！想要了解更多关于的内容请关注golang学习网公众号！