如何在Pandas中合并两个系列？

Question

我有以下内容：

s1 = pd.Series([1, 2], index=['A', 'B'])

s2 = pd.Series([3, 4], index=['C', 'D'])

我希望将s1和s2组合成s3，其结果为:

s3 = pd.Series([1, 2, 3, 4], index=['A', 'B', 'C', 'D'])

NB：没有索引重叠。

- Suminda Sirinath S. Dharmasena

---

你可以使用 concat 进行合并：pd.concat([s1,s2])，但是你需要一个真正的 merge 吗？比如 s1.to_frame().merge(s2.to_frame(), how='outer')？这里的问题是，除非你添加列名，否则系列将没有列名。 - EdChum

什么是真正的合并？ - Suminda Sirinath S. Dharmasena

不只是想要将两者合并成一组大系列。 - Suminda Sirinath S. Dharmasena

一个真正的合并，就像合并索引和/或列值一样。 - EdChum

索引中没有重叠。您可以忽略它。 - Suminda Sirinath S. Dharmasena

Answer 1

您可以使用concat()函数，它会自动执行外连接操作:

pd.concat([s1, s2])

结果：

A    1
B    2
C    3
D    4
dtype: int64

- elcombato

---

根据文档，与追加相比，这对于多个系列也更有效率： “迭代地向系列追加可能比单个连接更具计算密集性。更好的解决方案是将值追加到列表中，然后一次性将列表与原始系列连接起来。” - sitnarf

Answer 2

@EdChum的解决方案很好，但是如果您不需要担心索引对齐，那么numpy堆叠更快。

In [18]: pd.DataFrame( np.hstack((s1.values, s2.values))  , index=np.hstack((s1.index.values, s2.index.values)))
Out[18]: 
   0
A  1
B  2
C  3
D  4

In [19]: %timeit pd.concat([s1, s2])

1000 loops, best of 3: 1.31 ms per loop

In [21]: %timeit pd.DataFrame( np.hstack((s1.values, s2.values)  ), index=np.hstack((s1.index.values, s2.index.values)))

10000 loops, best of 3: 214 µs per loop

- clocker

Answer 3

如果没有索引重叠，您可以使用为具有默认值的系列定义的追加函数。

https://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.append.html#pandas.Series.append

s1.append(s2) 

应该返回：

A    1
B    2
C    3
D    4
dtype: int64

- Yamaç Alican Işık