如何合并Series和DataFrame

如果您是来这里寻找有关如何合并aDataFrame和Series索引的信息，请查看此答案。

OP的最初意图是询问如何将系列元素作为列分配给另一个DataFrame。如果您想知道答案，请查看EdChum接受的答案。

我能想到的最好的是

df = pd.DataFrame({'a':[1, 2], 'b':[3, 4]})  # see EDIT below
s = pd.Series({'s1':5, 's2':6})

for name in s.index:
    df[name] = s[name]

   a  b  s1  s2
0  1  3   5   6
1  2  4   5   6

有人可以建议更好的语法/更快的方法吗？

我的尝试：

df.merge(s)
AttributeError: 'Series' object has no attribute 'columns'

和

df.join(s)
ValueError: Other Series must have a name

编辑发布的前两个答案突出了我的问题，所以请使用以下内容来构造df：

df = pd.DataFrame({'a':[np.nan, 2, 3], 'b':[4, 5, 6]}, index=[3, 5, 6])

最终结果

    a  b  s1  s2
3 NaN  4   5   6
5   2  5   5   6
6   3  6   5   6

您可以从系列中构造一个数据框，然后与该数据框合并。因此，您将数据指定为值，然后将它们乘以长度，将列设置为索引，并将left_index和right_index的参数设置为True：

In [27]:

df.merge(pd.DataFrame(data = [s.values] * len(s), columns = s.index), left_index=True, right_index=True)
Out[27]:
   a  b  s1  s2
0  1  3   5   6
1  2  4   5   6

编辑以下情况：要从系列中构造的df的索引使用df的索引，则可以执行以下操作：

df.merge(pd.DataFrame(data = [s.values] * len(df), columns = s.index, index=df.index), left_index=True, right_index=True)

这假定索引与长度匹配。

更新
从v0.24.0开始，你可以只要系列被命名为对数据帧和系列合并。

df.merge(s.rename('new'), left_index=True, right_index=True)
# If series is already named,
# df.merge(s, left_index=True, right_index=True)

如今，您可以使用to_frame（）将Series转换为DataFrame 。因此（如果加入索引）：

df.merge(s.to_frame(), left_index=True, right_index=True)

这是一种方法：

df.join(pd.DataFrame(s).T).fillna(method='ffill')

要分解这里发生的事情...

pd.DataFrame(s).T创建一个单行DataFrame s，看起来像这样：

   s1  s2
0   5   6

接下来，join将此新框架与串联df：

   a  b  s1  s2
0  1  3   5   6
1  2  4 NaN NaN

最后，NaN使用fillnaforward-fill（ffill）参数将索引1中的值填充为该列中的先前值：

   a  b  s1  s2
0  1  3   5   6
1  2  4   5   6

为了避免使用fillna，可以pd.concat重复使用从构造的DataFrame的行s。在这种情况下，一般的解决方案是：

df.join(pd.concat([pd.DataFrame(s).T] * len(df), ignore_index=True))

这是解决已编辑问题中提出的索引挑战的另一种解决方案：

df.join(pd.DataFrame(s.repeat(len(df)).values.reshape((len(df), -1), order='F'), 
        columns=s.index, 
        index=df.index))

s通过重复这些值并重塑（指定“ Fortran”顺序），并传入适当的列名和索引，将其转换为DataFrame。然后将此新的DataFrame加入df。

如果我建议像这样设置您的数据框（自动索引）：

df = pd.DataFrame({'a':[np.nan, 1, 2], 'b':[4, 5, 6]})

那么您可以设置s1和s2值（使用shape（）从df返回行数）：

s = pd.DataFrame({'s1':[5]*df.shape[0], 's2':[6]*df.shape[0]})

那么您想要的结果很简单：

display (df.merge(s, left_index=True, right_index=True))

或者，只需将新值添加到数据框df中：

df = pd.DataFrame({'a':[nan, 1, 2], 'b':[4, 5, 6]})
df['s1']=5
df['s2']=6
display(df)

两者都返回：

     a  b  s1  s2
0  NaN  4   5   6
1  1.0  5   5   6
2  2.0  6   5   6

如果您还有另一个数据列表（而不是仅应用一个值），并且知道它与df的顺序相同，例如：

s1=['a','b','c']

那么您可以通过以下相同方式附加它：

df['s1']=s1

返回：

     a  b s1
0  NaN  4  a
1  1.0  5  b
2  2.0  6  c

您可以轻松地将pandas.DataFrame列设置为常量。这个常量可以是int，例如您的示例。如果您指定的列不在df中，则pandas将使用您指定的名称创建一个新列。因此，在构造完数据框之后，（根据您的问题）：

df = pd.DataFrame({'a':[np.nan, 2, 3], 'b':[4, 5, 6]}, index=[3, 5, 6])

您可以运行：

df['s1'], df['s2'] = 5, 6

您可以编写一个循环或理解来使它对元组列表中的所有元素，字典中的键和值执行此操作，具体取决于您存储真实数据的方式。

如果df为，pandas.DataFrame则将df['new_col']= Series list_object of length len(df)或系列list_object添加为名为的列'new_col'。df['new_col']= scalar（例如您的情况下为5或6）也可以使用，并且等效于df['new_col']= [scalar]*len(df)

因此，两行代码可以达到目的：

df = pd.DataFrame({'a':[1, 2], 'b':[3, 4]})
s = pd.Series({'s1':5, 's2':6})
for x in s.index:    
    df[x] = s[x]

Output: 
   a  b  s1  s2
0  1  3   5   6
1  2  4   5   6