极客笔记如何使用 Pandas 中的concat函数将 Series 对象合并到 DataFrame 中
参考：pandas concat series to dataframe
在数据处理和分析中，经常需要将数据从不同的来源合并到一张表中。Pandas 是一个强大的 Python 数据分析库，它提供了多种数据结构和数据操作方法，使得数据操作变得更加便捷和高效。本文将详细介绍如何使用 Pandas 中的 concat 函数将 Series 对象合并到 DataFrame 中。
1. Pandas 简介
Pandas 是基于 NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。Pandas 提供了大量能使我们快速便捷地处理数据的函数和方法。
2. Series 和 DataFrame 简介
在 Pandas 中，有两种基本的数据结构：Series 和 DataFrame。
- Series：一维数组，与 NumPy 中的数组相似，但它包含一个数组的数据以及一组与之相关的数据标签，称为索引。
- DataFrame：二维表格型数据结构，它包含有序的列，每列可以是不同的值类型（数值、字符串、布尔值等）。DataFrame 既有行索引也有列索引。
3. 使用 concat 合并 Series 到 DataFrame
pandas.concat() 是一个用于所有对象类型的函数，可以将多个 pandas 对象沿一个轴进行连接。这是一种非常灵活的方式来合并 Series 和 DataFrame。
示例代码 1：基本的 Series 到 DataFrame 的合并
import pandas as pd
# 创建一个 DataFrame
df = pd.DataFrame({
'Column1': [1, 2, 3],
'Column2': ['pandasdataframe.com', 'example', 'test']
})
# 创建一个 Series
s = pd.Series(['New Row 1', 'New Row 2', 'pandasdataframe.com'], name='NewColumn')
# 合并 Series 到 DataFrame
result = pd.concat([df, s], axis=1)
print(result)
Output:
示例代码 2：合并多个 Series 到一个 DataFrame
import pandas as pd
# 创建多个 Series
s1 = pd.Series([1, 2, 3], name='Column3')
s2 = pd.Series(['pandasdataframe.com', 'Data', 'Frame'], name='Column4')
# 创建 DataFrame
df = pd.DataFrame({
'Column1': [4, 5, 6],
'Column2': ['pandasdataframe.com', 'example', 'test']
})
# 合并 Series 到 DataFrame
result = pd.concat([df, s1, s2], axis=1)
print(result)
Output:
示例代码 3：在合并时忽略原有索引，创建新的默认整数索引
import pandas as pd
# 创建 DataFrame
df = pd.DataFrame({
'Column1': [7, 8, 9],
'Column2': ['pandasdataframe.com', 'example', 'test']
})
# 创建 Series
s = pd.Series([10, 11, 12], name='Column3')
# 合并时忽略原有索引
result = pd.concat([df, s], axis=1, ignore_index=True)
print(result)
Output:
示例代码 4：使用不同的合并轴
import pandas as pd
# 创建 DataFrame
df = pd.DataFrame({
'Column1': [13, 14, 15],
'Column2': ['pandasdataframe.com', 'example', 'test']
})
# 创建 Series
s = pd.Series([16, 17, 18], index=[0, 1, 2])
# 沿着行合并
result = pd.concat([df, s], axis=0)
print(result)
Output:
示例代码 5：处理在合并过程中出现的重复索引问题
import pandas as pd
# 创建 DataFrame
df = pd.DataFrame({
'Column1': [19, 20, 21],
'Column2': ['pandasdataframe.com', 'example', 'test']
})
# 创建 Series
s = pd.Series([22, 23, 24], index=[1, 2, 3], name='Column3')
# 合并并处理重复索引
result = pd.concat([df, s], axis=1)
print(result)
Output:
示例代码 6：合并时使用不同的 join 类型
import pandas as pd
# 创建 DataFrame
df = pd.DataFrame({
'Column1': [25, 26, 27],
'Column2': ['pandasdataframe.com', 'example', 'test']
})
# 创建 Series
s = pd.Series([28, 29, 30], index=[1, 2, 3], name='Column3')
# 使用内连接
result = pd.concat([df, s], axis=1, join='inner')
print(result)
Output:
示例代码 7：添加多个 Series 到 DataFrame 并指定 keys
import pandas as pd
# 创建 DataFrame
df = pd.DataFrame({
'Column1': [31, 32, 33],
'Column2': ['pandasdataframe.com', 'example', 'test']
})
# 创建多个 Series
s1 = pd.Series([34, 35, 36], name='Column3')
s2 = pd.Series([37, 38, 39], name='Column4')
# 合并并指定 keys
result = pd.concat([df, s1, s2], axis=1, keys=['DataFrame', 'First Series', 'Second Series'])
print(result)
Output:
示例代码 8：合并具有不同长度的 Series 和 DataFrame
import pandas as pd
# 创建 DataFrame
df = pd.DataFrame({
'Column1': [40, 41, 42, 43],
'Column2': ['pandasdataframe.com', 'example', 'test', 'data']
})
# 创建 Series
s = pd.Series([44, 45, 46], name='Column3')
# 合并 DataFrame 和 Series
result = pd.concat([df, s], axis=1)
print(result)
Output:
示例代码 9：使用 append 方法添加 Series 到 DataFrame
import pandas as pd
# 创建 DataFrame
df = pd.DataFrame({
'Column1': [47, 48, 49],
'Column2': ['pandasdataframe.com', 'example', 'test']
})
# 创建 Series
s = pd.Series([50, 51, 52], index=['Column1', 'Column2', 'Column3'])
# 使用 append 方法
result = df.append(s, ignore_index=True)
print(result)
示例代码 10：合并时包含重复列名的处理
import pandas as pd
# 创建 DataFrame
df = pd.DataFrame({
'Column1': [53, 54, 55],
'Column2': ['pandasdataframe.com', 'example', 'test']
})
# 创建 Series
s = pd.Series([56, 57, 58], name='Column2')
# 合并 DataFrame 和 Series
result = pd.concat([df, s], axis=1)
print(result)
Output:
以上示例展示了如何使用 Pandas 的 concat 函数将 Series 合并到 DataFrame 中。通过这些示例，可以看到 concat 函数在处理不同数据结构时的灵活性和强大功能。无论是处理索引对齐问题，还是处理不同长度的数据，concat 都提供了多种参数来满足不同的数据合并需求。
示例代码 11：合并时使用外连接保留所有数据
import pandas as pd
# 创建 DataFrame
df = pd.DataFrame({
'Column1': [59, 60, 61],
'Column2': ['pandasdataframe.com', 'example', 'test']
})
# 创建 Series
s = pd.Series([62, 63, 64], index=[1, 2, 4], name='Column3')
# 使用外连接
result = pd.concat([df, s], axis=1, join='outer')
print(result)
Output:
示例代码 12：合并时指定 axis 参数控制方向
import pandas as pd
# 创建 DataFrame
df = pd.DataFrame({
'Column1': [65, 66, 67],
'Column2': ['pandasdataframe.com', 'example', 'test']
})
# 创建 Series
s = pd.Series([68, 69, 70], name='NewRow')
# 沿着列方向合并
result = pd.concat([df, s], axis=0)
print(result)
Output:
示例代码 13：合并具有相同列名的 Series 到 DataFrame
import pandas as pd
# 创建 DataFrame
df = pd.DataFrame({
'Column1': [71, 72, 73],
'Column2': ['pandasdataframe.com', 'example', 'test']
})
# 创建 Series
s = pd.Series([74, 75, 76], name='Column1')
# 合并 DataFrame 和 Series
result = pd.concat([df, s], axis=1)
print(result)
Output:
示例代码 14：合并时使用多层索引
import pandas as pd
# 创建 DataFrame
df = pd.DataFrame({
'Column1': [77, 78, 79],
'Column2': ['pandasdataframe.com', 'example', 'test']
})
# 创建 Series
s = pd.Series([80, 81, 82], name='Column3')
# 使用多层索引
result = pd.concat([df, s], axis=1, keys=['Level1', 'Level2'])
print(result)
Output:
示例代码 15：合并时处理不同的数据类型
import pandas as pd
# 创建 DataFrame
df = pd.DataFrame({
'Column1': [83, 84, 85],
'Column2': ['pandasdataframe.com', 'example', 'test']
})
# 创建 Series
s = pd.Series([86.0, 87.5, 88.2], name='Column3')
# 合并 DataFrame 和 Series
result = pd.concat([df, s], axis=1)
print(result)
Output:
示例代码 16：合并时使用自定义函数处理重复数据
import pandas as pd
# 创建 DataFrame
df = pd.DataFrame({
'Column1': [89, 90, 91],
'Column2': ['pandasdataframe.com', 'example', 'test']
})
# 创建 Series
s = pd.Series([92, 93, 94], name='Column3')
# 定义一个处理函数
def handle_duplicates(ser):
return ser + 100
# 合并并处理重复数据
result = pd.concat([df, s.apply(handle_duplicates)], axis=1)
print(result)
Output:
示例代码 17：使用 verify_integrity 参数检查数据完整性
import pandas as pd
# 创建 DataFrame
df = pd.DataFrame({
'Column1': [95, 96, 97],
'Column2': ['pandasdataframe.com', 'example', 'test']
})
# 创建 Series
s = pd.Series([98, 99, 100], name='Column3')
# 合并并检查数据完整性
result = pd.concat([df, s], axis=1, verify_integrity=True)
print(result)
Output:
示例代码 18：合并时使用 sort 参数控制排序
import pandas as pd
# 创建 DataFrame
df = pd.DataFrame({
'Column1': [101, 102, 103],
'Column2': ['pandasdataframe.com', 'example', 'test']
})
# 创建 Series
s = pd.Series([104, 105, 106], name='Column3')
# 合并并排序列
result = pd.concat([df, s], axis=1, sort=True)
print(result)
Output:
示例代码 19：使用 append 方法的简化形式
import pandas as pd
# 创建 DataFrame
df = pd.DataFrame({
'Column1': [107, 108, 109],
'Column2': ['pandasdataframe.com', 'example', 'test']
})
# 创建 Series
s = pd.Series([110, 111, 112], index=['Column1', 'Column2', 'Column3'])
# 使用 append 方法的简化形式
result = df.append(s, ignore_index=True)
print(result)
示例代码 20：合并时处理索引重置
import pandas as pd
# 创建 DataFrame
df = pd.DataFrame({
'Column1': [113, 114, 115],
'Column2': ['pandasdataframe.com', 'example', 'test']
})
# 创建 Series
s = pd.Series([116, 117, 118], name='Column3')
# 合并并重置索引
result = pd.concat([df, s], axis=1).reset_index(drop=True)
print(result)
Output:
以上是使用 Pandas 的 concat 函数将 Series 合并到 DataFrame 的多种示例。这些示例涵盖了从基本的合并操作到处理复杂情况的多种方法，帮助用户理解并应用这些技术来解决实际的数据处理问题。