在python中pandas的series合并方法

合并两个或多个Pandas的Series可以通过以下4种方法实现：

1. append方法
2. concat方法
3. combine_first方法
4. merge方法

1. append方法

append()方法将一个Serie添加到另一个Serie的尾部。

import pandas as pd

# 创建两个Series对象
s1 = pd.Series([1, 2, 3])
s2 = pd.Series([4, 5, 6])

# 使用append()方法合并两个Series
s3 = s1.append(s2)

print(s3)

输出结果：

0    1
1    2
2    3
0    4
1    5
2    6
dtype: int64

在上面的示例中，我们创建两个Series对象s1和s2。然后使用append()方法将s2合并到s1的末尾，生成了一个新的Series对象s3。

需要注意的是，由于s2在s1的后面进行了合并，所以s2的index被重置为了0、1、2。如果要保持两个Series的index，可使用ignore_index参数。

import pandas as pd

# 创建两个Series对象
s1 = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
s2 = pd.Series([4, 5, 6], index=['d', 'e', 'f'])

# 使用append()方法合并两个Series，并保留index
s3 = s1.append(s2, ignore_index=False)

print(s3)

输出结果：

a    1
b    2
c    3
d    4
e    5
f    6
dtype: int64

2. concat方法

concat()方法可以将多个Series对象按行或列进行合并。具体来说，如果将多个Series按列合并，列名将保留原样；如果按行合并，Series的index将会重复。

import pandas as pd

# 创建两个Series对象
s1 = pd.Series([1, 2, 3])
s2 = pd.Series([4, 5, 6])

# 将s1和s2按列合并
s3 = pd.concat([s1, s2], axis=1)

print(s3)

输出结果：

   0  1
0  1  4
1  2  5
2  3  6

在上面的示例中，我们使用pd.concat()方法将s1和s2沿列的方向进行合并得到一个DataFrame。

如果想按行合并，可以将axis参数设置为0。

import pandas as pd

# 创建两个Series对象
s1 = pd.Series([1, 2, 3])
s2 = pd.Series([4, 5, 6])

# 将s1和s2按行合并
s3 = pd.concat([s1, s2], axis=0)

print(s3)

输出结果：

0    1
1    2
2    3
0    4
1    5
2    6
dtype: int64

3. combine_first方法

combine_first()方法可以将两个Series对象按index进行合并，缺失的值可以使用另一个Series中的值进行替换。

import pandas as pd

# 创建两个Series对象
s1 = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
s2 = pd.Series([4, 5, 6], index=['b', 'c', 'd'])

# 使用combine_first()方法合并s1和s2
s3 = s1.combine_first(s2)

print(s3)

输出结果：

a    1.0
b    2.0
c    3.0
d    6.0
dtype: float64

在上面的示例中，我们使用combine_first()方法将s1和s2按照index进行合并，并用s2中缺失的值来替换s1中的缺失值。

4. merge方法

merge()方法可以将两个Series对象按index或值进行合并，类似于数据库中的join操作。

import pandas as pd

# 创建两个Series对象
s1 = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
s2 = pd.Series([4, 5, 6], index=['b', 'c', 'd'])

# 使用merge()方法将s1和s2按照index进行合并
s3 = pd.merge(s1.to_frame('left'), s2.to_frame('right'), left_index=True, right_index=True, how='outer')

print(s3)

输出结果：

   left  right
a   1.0    NaN
b   2.0    4.0
c   3.0    5.0
d   NaN    6.0

在上面的示例中，我们使用merge()方法将s1和s2按照index进行合并，并使用left和right两个列名来表示s1和s2的值。最终得到一个DataFrame，其中缺失的值用NaN表示。

需要注意的是，因为merge()方法返回的是一个DataFrame对象，而不是Series对象，所以要将s1和s2转换为DataFrame对象进行合并。