Python 如何将两列数据混合到一个数据帧中，第一列的第一个元素、第二列的第二个元素等等？

假设我有熊猫数据帧：

第1列第2列

A            D

B            E

C            F

如何获得这种形式的结果数据帧

列

 A
 D
 B
 E
 C
 F

---

编辑：请参阅下面的基准测试，以获得稍快的解决方案

您可以这样做：

# Import pandas library 
import pandas as pd

# The data
data = [["A", "D"], ["B", "E"], ["C", "F"]]

# Create DataFrame
df = pd.DataFrame(data, columns = ["Column1", "Column2"]) 

# Flatten and convert to DataFrame
new_df = pd.DataFrame(df.to_numpy().flatten())

print(df)

输出：

A
D
B
E
C
F

new_df

将是一个

pandas.DataFrame

注意too的用法

根据@Michael Szczesny的建议，您可以：

new_series = df.stack().reset_index(drop=True)

它将返回一个

pandas.Series

添加的基准测试：

In [2369]: dd = pd.concat([df] * 1000)

# Rivers' answers:

In [2369]: %timeit pd.DataFrame(dd.to_numpy().flatten())
95.6 µs ± 1.55 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

In [2371]: %timeit dd.stack().reset_index(drop=True)
919 µs ± 9.95 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

# My answer:

In [2372]: %timeit pd.DataFrame(dd.to_numpy().ravel('F'))
62 µs ± 577 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

根据@Mayank Porwal的回答，我添加了这个基准测试结果。 我使用了timeit.repeat和

repeat=7，number=10000

。 从最快到最慢排序：

new_df = pd.DataFrame(df.to_numpy().ravel('A')) # 51.0 µs
new_df = pd.DataFrame(df.to_numpy().ravel('K')) # 51.0 µs
new_df = pd.DataFrame(df.to_numpy().ravel('F')) # 51.1 µs
new_df = pd.DataFrame(df.to_numpy().flatten())  # 52.6 µs
new_df = pd.DataFrame(df.to_numpy().ravel('C')) # 53.4 µs
new_series = df.stack().reset_index(drop=True)  # 322.0 µs

使用

numpy.ravel

最快，主要是因为它返回一个视图，而

numpy..to\u numpy（）

返回一个副本。 有关

numpy.ravel

的详细信息，请参阅：

简言之，如果数组在内存中是Fortran连续的，“A”将强制以类似Fortran的索引顺序读取元素，使用“K”将按照元素在内存中出现的顺序读取元素。

与以下一起使用：

注意：这将非常有效。

时间比较：

In [2369]: dd = pd.concat([df] * 1000)

# Rivers' answers:

In [2369]: %timeit pd.DataFrame(dd.to_numpy().flatten())
95.6 µs ± 1.55 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

In [2371]: %timeit dd.stack().reset_index(drop=True)
919 µs ± 9.95 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

# My answer:

In [2372]: %timeit pd.DataFrame(dd.to_numpy().ravel('F'))
62 µs ± 577 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

---

起始数据框中是否有空行？没有，全部已填充。

df.stack（）.reset\u index（drop=True）

您是否尝试过df.values.flatte（）然后对其进行整形？它返回一个numpy数组，但如果需要，可以将其转换回数据帧。相关答案：完美@MichaelSzczesny，是的working@Augustas请核对我的答案。它有最好的性能。我没想到速度性能对这个任务很重要，好主意，谢谢，我会编辑我的答案。