本文介绍一种高效、可扩展的方法，使用 numpy.argsort 构造稳定排序索引，将两个等长 DataFrame 按指定行数分组（如每 2 行为一块）交错拼接，避免循环和手动切片，代码简洁且支持任意分块大小。
本文介绍一种高效、可扩展的方法，使用 numpy.argsort 构造稳定排序索引，将两个等长 dataframe 按指定行数分组（如每 2 行为一块）交错拼接，避免循环和手动切片，代码简洁且支持任意分块大小。
在数据处理中，有时需要将两个结构一致的 DataFrame 按“块”而非单行进行交错合并——例如，取 df1 的前 2 行、紧接着 df2 的前 2 行，再取 df1 的第 3–4 行、再接 df2 的第 3–4 行，以此类推。这种模式常见于实验分组、时序对齐或批量结果整合场景。
Pandas 本身不提供原生的“块级交错拼接”方法，但可通过巧妙构造排序键实现：核心思想是为每个 DataFrame 的每一行分配一个逻辑“组号”，相同组号的行将被归并在一起，再利用 np.argsort 的稳定性（stable=True）保证组内原始顺序不变。
以下为标准实现（以每 2 行为一组）：
import pandas as pd
import numpy as np
df1 = pd.DataFrame({'col': [1, 2, 3, 4]})
df2 = pd.DataFrame({'col': [5, 6, 7, 8]})
# 为 df1 和 df2 的每行生成组索引：[0,0,1,1] + [0,0,1,1]
group_ids = np.r_[
np.arange(len(df1)) // 2, # df1: [0,0,1,1]
np.arange(len(df2)) // 2 # df2: [0,0,1,1]
]
# 稳定排序：同组内保持原始顺序（df1 行优先于 df2 行，因先拼接 df1）
order = np.argsort(group_ids, stable=True)
# 先纵向拼接，再按 order 重排
result = pd.concat([df1, df2], ignore_index=False).iloc[order].reset_index(drop=True)
print(result)输出：
col 0 1 1 2 2 5 3 6 4 3 5 4 6 7 7 8
✅ 关键点说明：
-
np.r_[]快速拼接两个数组；// 2实现每 2 行一个组（改为// N即可适配任意块大小）； -
stable=True是必需的（NumPy ≥ 1.22），确保组内多行按原始拼接顺序排列（即df1的第 0 组两行总在df2同组两行之前）； -
ignore_index=False保留原始索引，便于后续验证；若需连续整数索引，最后调用.reset_index(drop=True)； - 该方法天然支持不同列名（需提前对齐列），也适用于多列 DataFrame（无需修改逻辑）。
⚠️ 注意事项：
- 两 DataFrame 行数应能被
N整除，否则末尾组会不完整（可提前截断或填充）； - 若
df1与df2行数不等，需按最小公倍数或显式填充处理，否则group_ids长度不匹配； - 性能优异：时间复杂度 O(m+n)，远优于循环切片 +
pd.concat的 O(k·(m+n))。
通过调整 N 值，即可灵活切换分块粒度——这是真正可复用的数据混洗模式，推荐收藏为常用工具片段。
