迹忆客 专注技术分享

Pandas 是一个非常流行的开源 Python 库，它提供了各种功能或方法来合并或组合 DataFrame 中的两个 Pandas 系列。在 pandas 中，series 是一个单一的一维标签数组，可以处理整数、浮点数、字符串、python 对象等任何数据类型。简单来说，pandas 系列就是 excel 表格中的一列。系列以顺序顺​​序存储数据。

本文将教我们如何将两个或多个 Pandas 系列合并或组合成一个 DataFrame。

有几种方法可以将两个或多个 Pandas 系列合并到一个 DataFrame，例如 pandas.concat()、Series.append()、pandas.merge() 和 DataFrame.join()。我们将借助本文中的一些示例简要详细地解释每种方法。

使用 pandas.concat() 方法将两个 Pandas 系列合并为一个 DataFrame

pandas.concat() 方法沿轴（row-wise 或 column-wise）执行所有连接操作。我们可以沿特定轴合并两个或多个 Pandas 对象或系列以创建 DataFrame。concat() 方法采用各种参数。

在下面的示例中，我们将 pandas series 传递给 merge 和 axis=1 作为参数。axis=1 表示该系列将合并为一列而不是行。如果我们使用 axis=0，它会将 pandas 系列附加为一行。

示例代码：

import pandas as pd

# Create Series by assigning names
products = pd.Series(['Intel Dell Laptops', 'HP Laptops', 'Lenavo Laptops', 'Acer Laptops'], name='Products')
dollar_price = pd.Series([350, 300, 400, 250 ], name='Price')
percentage_sale  = pd.Series([83, 99, 84, 76],name='Sale')

# merge two pandas series using the pandas.concat() method
df=pd.concat([products,dollar_price,percentage_sale ],axis=1)
print(df)

输出：

             Products  Price  Sale
0  Intel Dell Laptops    350    83
1          HP Laptops    300    99
2      Lenavo Laptops    400    84
3        Acer Laptops    250    76

使用 pandas.merge() 方法将两个 Pandas 系列合并到一个 DataFrame 中

pandas.merge() 用于合并 DataFrame 的复杂列组合，类似于 SQL join 或 merge 操作。merge() 方法可以执行命名系列对象或 DataFrame 之间的所有数据库连接操作。使用 pandas 时，我们必须向系列传递一个额外的参数 name。合并() 方法。

请参阅以下示例。

示例代码：

import pandas as pd

# Create Series by assigning names
products = pd.Series(['Intel Dell Laptops', 'HP Laptops', 'Lenavo Laptops', 'Acer Laptops'], name='Products')
dollar_price = pd.Series([350, 300, 400, 250 ], name='Price')

# using pandas series merge()
df = pd.merge(products, dollar_price, right_index = True,
               left_index = True)
print(df)

输出：

             Products  Price
0  Intel Dell Laptops    350
1          HP Laptops    300
2      Lenavo Laptops    400
3        Acer Laptops    250

使用 Series.append() 方法将两个 Pandas 系列合并到一个 DataFrame 中

Series.append() 方法是 concat() 方法的快捷方式。此方法沿 axis=0 或行附加系列。使用这种方法，我们可以通过将系列作为行而不是列附加到另一个系列来创建 DataFrame。

我们在源代码中以如下方式使用了 series.append() 方法：

示例代码：

import pandas as pd
  
# Using Series.append()
technical=pd.Series(["Pandas","Python","Scala","Hadoop"])
non_technical=pd.Series(["SEO","Graphic design","Content writing", "Marketing"])

# using the appen() method merge series and create dataframe
df = pd.DataFrame(technical.append(non_technical, 
                  ignore_index = True),columns=['Skills'])
print(df)

输出：

           Skills
0           Pandas
1           Python
2            Scala
3           Hadoop
4              SEO
5   Graphic design
6  Content writing
7        Marketing

使用 DataFrame.join() 方法将两个 Pandas 系列合并为一个 DataFrame

使用 DataFrame.join() 方法，我们可以连接两个系列。当我们使用这种方法时，我们必须将一个系列转换为 DataFrame 对象。然后我们将使用结果与另一个系列组合。

在以下示例中，我们已将第一个系列转换为 DataFrame 对象。然后，我们使用这个 DataFrame 与另一个系列合并。

示例代码：

import pandas as pd

# Create Series by assigning names
products = pd.Series(['Intel Dell Laptops', 'HP Laptops', 'Lenavo Laptops', 'Acer Laptops'], name='Products')
dollar_price = pd.Series([350, 300, 400, 250 ], name='Price')

# Merge series using DataFrame.join() method
df=pd.DataFrame(products).join(dollar_price)
print(df)

输出：

             Products  Price
0  Intel Dell Laptops    350
1          HP Laptops    300
2      Lenavo Laptops    400
3        Acer Laptops    250

结论

我们在本教程中学习了如何使用四种不同的方式将两个 Pandas 系列合并为一个 DataFrame。此外，我们探索了这四种方法 pandas.concat()、Series.append()、pandas.merge() 和 DataFrame.join() 如何帮助我们解决 Pandas 合并系列任务。