合并具有不同索引的熊猫系列（对齐一个索引）

Posted 2023-03-12

【中文标题】合并具有不同索引的熊猫系列（对齐一个索引）

【英文标题】：Merge pandas series with different index (align on one index)

【发布时间】：2018-09-17 04:25:12

【问题描述】：

我有来自不同熊猫系列的结果，最终形成 1x1 系列。现在我想将它们全部合并到一个 1xN 行。它们中的每一个都可以有不同的索引。

我可以为它们中的每一个重置索引并创建一个新的数据框。但是，我想知道是否有比这更快/更简单的方法。

edit1：添加数据和所需的输出样本

A
326    0.005077
dtype: float64

date
4300   2011-01-18 16:00:00
Name: datetime, dtype: datetime64[ns]

B
5    0.004077
dtype: float64

我想要类似的东西：

Index                    A            B
2011-01-18 16:00:00    0.005077     0.004077

我想要这个的原因：程序运行一个循环并返回多个上述 1xN 行，如果日期不同，我想将这些行相互附加，或者如果日期（索引）相同，则将值相加（可以如下所示完成：Loop: Results to be updated via += if on the same date, otherwise write next line

edit2：抱歉，我的代码中有一些例外情况，我必须设置某些系列对象 = 0。有什么方法可以将它包含在下面的一个衬里中，还是我需要将 pd.series 从我的零中取出？

【问题讨论】：

可以添加数据样本和预期输出吗？

你认为另一个C 系列与0 吗？然后df = pd.DataFrame([np.concatenate([A, B, C])], columns=['A','B', 'C'], index=date) should working nice print (df)

答案已编辑。

嗯，所以 C 有时应该是 one value Series 有时是标量？

或更具体的C = C if isinstance(C, pd.Series) else pd.Series([C])

【参考方案1】：

我认为需要：

A = pd.Series([0.005077], index=[326])
date = pd.Series(['2011-01-18 16:00:00'], index=[4300])
B = pd.Series([ 0.004077], index=[5])

df = pd.DataFrame([np.concatenate([A, B])], columns=['A','B'], index=date)
print (df)
                            A         B
2011-01-18 16:00:00  0.005077  0.004077

编辑：

对于标量是必要的，创建一个项目列表：

A = pd.Series([0.005077], index=[326])
date = pd.Series(['2011-01-18 16:00:00'], index=[4300])
B = pd.Series([ 0.004077], index=[5])
C = 0

df = pd.DataFrame([np.concatenate([A, B, [C] ])], columns=['A','B','C'], index=date)
print (df)
                            A         B    C
2011-01-18 16:00:00  0.005077  0.004077  0.0

【讨论】：

结果 df 为 Nx1。只是一个建议。

谢谢，jezrael 和 Rao Sahab。对我来说是这样吗：df = pd.concat([A, B]).to_frame([date]).T?

@jezrael 你能添加设置索引以满足他的要求吗

@eternity1 - 也适合你！