将两个 Pandas 系列合并到一个 DataFrame 中

Samreena Aslam 2023年1月30日 2022年5月16日
  1. 使用 pandas.concat() 方法将两个 Pandas 系列合并为一个 DataFrame
  2. 使用 pandas.merge() 方法将两个 Pandas 系列合并到一个 DataFrame
  3. 使用 Series.append() 方法将两个 Pandas 系列合并到一个 DataFrame
  4. 使用 DataFrame.join() 方法将两个 Pandas 系列合并为一个 DataFrame
  5. 结论
将两个 Pandas 系列合并到一个 DataFrame 中

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。

本教程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()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-wisecolumn-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 DataFrameconcat() 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

pandas.merge() 用于合并 DataFrame 的复杂列组合,类似于 SQL joinmerge 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

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()DataFrame.join() 如何帮助我们解决 Pandas 合并系列任务。

相关文章 - Pandas DataFrame

相关文章 - Pandas Series