在熊猫中将两个系列组合成一个DataFrame

Posted 2023-02-23

【中文标题】在熊猫中将两个系列组合成一个DataFrame

【英文标题】：Combining two Series into a DataFrame in pandas

【发布时间】：2013-08-06 09:28:16

【问题描述】：

我有两个系列 s1 和 s2 具有相同（非连续）索引。如何将 s1 和 s2 组合为 DataFrame 中的两列并将其中一个索引保留为第三列？

【参考方案1】：

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会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

【参考方案2】：

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()     

【参考方案3】：

如果我可以回答这个问题。

将序列转换为数据框的基本原理是理解这一点

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'])

使用映射概念将序列值放入数据框中

df['Column_name#1'] = series_1

df['Column_name#2'] = series_2

立即查看结果

df.head(5)

【参考方案4】：

如果两者具有相同的索引，为什么不直接使用 .to_frame？

>= v0.23

a.to_frame().join(b)

v0.23

a.to_frame().join(b.to_frame())

【讨论】：

也许这样更合适：a.to_frame(name = 'a').join(b.to_frame(name='b'))

【参考方案5】：

基于join()的解决方案的简化：

df = a.to_frame().join(b)

【参考方案6】：

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)

（这里甚至不需要index=s1.index）

【参考方案7】：

我认为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。

【讨论】：

这实际上也避免了复制（与 dict 解决方案相比）

在一个实例中，它似乎在告诉我“ValueError：具有多个元素的数组的真值是模棱两可的。使用 a.any() 或 a.all()' - 有什么想法吗？

@user7289 不确定这是从哪里来的，你能问这个问题吗？

@AndyHayden：如果一个或两个索引上有重复项怎么办？

@dafininguzman “不断地重用这个函数”的意思是你应该更喜欢 concat once pd.concat([list_of_dataframes]) vs concating 多次 new_df = pd.DataFrame(); for df in list_of_dsf: new_df = pd.concat([new_df, df]) 或类似的。

【参考方案8】：

Pandas 会自动对齐这些传入的序列并创建联合索引 他们碰巧在这里是一样的。 reset_index 将索引移动到一列。

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

【讨论】：

np.random.randn(5)

【参考方案9】：

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 允许您从 dict 创建一个 DataFrame，其中 Series 作为值，列名作为键。当它找到Series 作为值时，它使用Series 索引作为DataFrame 索引的一部分。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 具有重复值。在上面的示例中，data['idx_col'] 与 data.index 具有相同的数据。