在熊猫中将两个系列组合到一个DataFrame中

我有两个Series，s1并且s2索引相同（非连续）。如何合并s1并s2成为DataFrame中的两列，并将其中一个索引保留为第三列？

我认为这concat是个不错的方法。如果存在它们，则将“系列”的名称属性用作列（否则，将它们简单地编号）：

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2个以上的系列。

如果两个索引都相同，为什么不只使用.to_frame？

> = v0.23

a.to_frame().join(b)

< v0.23

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

熊猫会自动将这些通过的序列对齐并创建联合索引。它们在这里恰好是相同的。reset_index将索引移到列。

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

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允许您从中创建一个DataFrame，dict以Series作为值，将列名作为键。当找到a Series作为值时，它将使用Series索引作为索引的一部分DataFrame。数据对齐是熊猫的主要特权之一。因此，除非您有其他需求，否则新创建的商品DataFrame具有重复的价值。在上述示例中，data['idx_col']具有与相同的数据data.index。

如果我可以回答这个问题。

将系列转换为数据框的基本原理是要了解

从概念上讲，数据框中的每一列都是一个序列。

2.而且，每个列名都是映射到系列的键名。

如果牢记以上两个概念，则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将是这样的：

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的数据框

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内

df['Column_name#1'] = series_1

df['Column_name#2'] = series_2

立即检查结果

df.head(5)

不确定我是否完全理解您的问题，但这是您想做的吗？

pd.DataFrame(data=dict(s1=s1, s2=s2), index=s1.index)

（index=s1.index这里甚至没有必要）

基于以下方式的解决方案的简化join()：

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

我使用了pandas将numpy数组或iseries转换为数据框，然后添加并按键将其他附加列作为“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()