我有两个系列s1并且s2具有相同的（非连续）索引。如何组合s1并s2成为 DataFrame 中的两列并将其中一个索引保留为第三列？
问问题
446292 次
9 回答
503
我认为这concat是一个很好的方法。如果它们存在，它将使用 Series 的 name 属性作为列（否则它只是对它们进行编号）：
In [1]: s1 = pd.Series([1, 2], index=['A', 'B'], name='s1')
In [2]: s2 = pd.Series([3, 4], index=['A', 'B'], name='s2')
In [3]: pd.concat([s1, s2], axis=1)
Out[3]:
s1 s2
A 1 3
B 2 4
In [4]: pd.concat([s1, s2], axis=1).reset_index()
Out[4]:
index s1 s2
0 A 1 3
1 B 2 4
注意：这扩展到超过 2 个系列。
于 2013-08-05T15:57:31.060 回答
64
如果两者都有相同的索引，为什么不直接使用 .to_frame 呢？
>=v0.23
a.to_frame().join(b)
<v0.23
a.to_frame().join(b.to_frame())
于 2016-02-25T00:39:45.190 回答
37
Pandas 会自动对齐这些传入的系列并创建联合索引，它们在这里恰好是相同的。reset_index将索引移动到列。
In [2]: s1 = Series(randn(5),index=[1,2,4,5,6])
In [4]: s2 = Series(randn(5),index=[1,2,4,5,6])
In [8]: DataFrame(dict(s1 = s1, s2 = s2)).reset_index()
Out[8]:
index s1 s2
0 1 -0.176143 0.128635
1 2 -1.286470 0.908497
2 4 -0.995881 0.528050
3 5 0.402241 0.458870
4 6 0.380457 0.072251
于 2013-08-05T15:53:14.117 回答
21
如果我可以回答这个问题。
将系列转换为数据框的基本原理是了解
1. 在概念层面，数据框中的每一列都是一个系列。
2. 而且，每个列名都是映射到一个系列的键名。
如果您牢记以上两个概念，您可以想到许多将系列转换为数据框的方法。一个简单的解决方案是这样的：
在这里创建两个系列
import pandas as pd
series_1 = pd.Series(list(range(10)))
series_2 = pd.Series(list(range(20,30)))
使用所需的列名创建一个空数据框
df = pd.DataFrame(columns = ['Column_name#1', 'Column_name#1'])
使用映射概念将系列值放入数据框中
df['Column_name#1'] = series_1
df['Column_name#2'] = series_2
立即查看结果
df.head(5)
于 2019-03-05T07:56:00.740 回答
19
示例代码：
a = pd.Series([1,2,3,4], index=[7,2,8,9])
b = pd.Series([5,6,7,8], index=[7,2,8,9])
data = pd.DataFrame({'a': a,'b':b, 'idx_col':a.index})
Pandas 允许您创建一个DataFramefrom a作为值dict和Series列名作为键。当它找到 aSeries作为值时，它使用Series索引作为索引的一部分DataFrame。这种数据对齐是 Pandas 的主要优势之一。因此，除非您有其他需求，否则新创建的DataFrame内容具有重复的价值。在上面的示例中，data['idx_col']具有与 相同的数据data.index。
于 2013-08-05T15:50:25.873 回答
10
不确定我是否完全理解您的问题，但这是您想要做的吗？
pd.DataFrame(data=dict(s1=s1, s2=s2), index=s1.index)
（index=s1.index这里甚至不需要）
于 2013-08-05T15:51:19.830 回答
8
解决方案的简化基于join()：
df = a.to_frame().join(b)
于 2018-01-16T00:32:03.670 回答
3
如果您尝试加入长度相等的系列，但它们的索引不匹配（这是一种常见情况），那么将它们连接起来将在它们不匹配的地方生成 NA。
x = pd.Series({'a':1,'b':2,})
y = pd.Series({'d':4,'e':5})
pd.concat([x,y],axis=1)
#Output (I've added column names for clarity)
Index x y
a 1.0 NaN
b 2.0 NaN
d NaN 4.0
e NaN 5.0
假设您不关心索引是否匹配，解决方案是在连接它们之前重新索引两个系列。如果drop=False是默认值，那么 Pandas 会将旧索引保存在新数据帧的列中（为简单起见，此处删除了索引）。
pd.concat([x.reset_index(drop=True),y.reset_index(drop=True)],axis=1)
#Output (column names added):
Index x y
0 1 4
1 2 5
于 2020-09-17T22:46:28.370 回答
1
我使用 pandas 将我的 numpy 数组或 iseries 转换为数据框，然后通过键添加和附加附加列作为“预测”。如果您需要将数据框转换回列表，请使用 values.tolist()
output=pd.DataFrame(X_test)
output['prediction']=y_pred
list=output.values.tolist()
于 2020-04-01T18:48:39.263 回答