So führen sie zwei oder mehr serien in pandas zusammen (mit beispielen)

Mit der folgenden Syntax können Sie zwei oder mehr Serien schnell in einem einzigen Pandas-DataFrame zusammenführen:

 df = pd. concat ([series1, series2, ...], axis= 1 )

Die folgenden Beispiele zeigen, wie Sie diese Syntax in der Praxis anwenden können.

Beispiel 1: Zwei Serien in Pandas zusammenführen

Der folgende Code zeigt, wie zwei Pandas-Serien zu einem einzigen Pandas-DataFrame zusammengeführt werden:

 import pandas as pd

#define series
series1 = pd. Series (['Mavs', 'Rockets', 'Spurs'], name=' Team ')
series2 = pd. Series ([109, 103, 98], name=' Points ')

#merge series into DataFrame
df = pd. concat ([series1, series2], axis= 1 )

#view DataFrame
df

        Team Points
0 Mavs 109
1 Rockets 103
2 Spurs 98

Beachten Sie, dass Pandas automatisch NaN-Werte für fehlende Werte im resultierenden DataFrame bereitstellt, wenn eine Reihe länger als die andere ist:

 import pandas as pd

#define series
series1 = pd. Series (['Mavs', 'Rockets', 'Spurs'], name=' Team ')
series2 = pd. Series ([109, 103], name=' Points ')

#merge series into DataFrame
df = pd. concat ([series1, series2], axis= 1 )

#view DataFrame
df

        Team Points
0 Mavs 109
1 Rockets 103
2 Spurs NaN

Beispiel 2: Mehrere Serien in Pandas zusammenführen

Der folgende Code zeigt, wie mehrere Serien in einem einzigen Pandas-DataFrame zusammengeführt werden:

 import pandas as pd

#define series
series1 = pd. Series (['Mavs', 'Rockets', 'Spurs'], name=' Team ')
series2 = pd. Series ([109, 103, 98], name=' Points ')
series3 = pd. Series ([22, 18, 15], name=' Assists ')
series4 = pd. Series ([30, 35, 28], name=' Rebounds ')

#merge series into DataFrame
df = pd. concat ([series1, series2, series3, series4], axis= 1 )

#view DataFrame
df

	Team Points Assists Rebounds
0 Mavs 109 22 30
1 Rockets 103 18 35
2 Spurs 98 15 28

Zusätzliche Ressourcen

So führen Sie zwei Pandas DataFrames im Index zusammen
So führen Sie Pandas DataFrames über mehrere Spalten hinweg zusammen
So stapeln Sie mehrere Pandas DataFrames