HOWTO · Pandas
Zusammenführen von zwei Pandas-Serien zu einem DataFrame
Diese Anleitung zeigt, wie Sie zwei Pandas-Serien mit den Methoden pandas.concat(), pandas.merge(), DataFrame.join() zu einem DataFrame kombinieren oder zusammenführen.
Auf dieser Seite
In pandas ist eine Series ein eindimensionales beschriftetes Array – grob gesagt eine einzelne Datenspalte mit einem Index. Um zwei oder mehrere Serien zu einem DataFrame zusammenzuführen, übergeben Sie sie an pandas.concat() mit axis=1; jede Serie wird zu einer Spalte, deren Überschrift ihr Name ist. Wenn Sie eine andere Semantik benötigen, kann pandas.concat() Serien auch vertikal stapeln, pandas.merge() gleicht Zeilen wie ein SQL-Join über den Index ab, und DataFrame.join() fügt eine benannte Serie an einen vorhandenen DataFrame an.
Dieses Tutorial führt jeden Ansatz mit ausführbaren Beispielen vor.
Wählen Sie eine Methode anhand des benötigten Ergebnisses
Alle vier Ansätze erzeugen tabellarische Daten, beantworten aber unterschiedliche Fragen:
pandas.concat([s1, s2], axis=1)stellt die Serien nebeneinander, sodass jede zu einer Spalte eines neuenDataFramewird.pandas.concat([s1, s2])mit dem Standardwertaxis=0stapelt die Serien zu einer einzigen längeren Serie; wandeln Sie das Ergebnis mitpd.DataFrame()in einenDataFramemit einer Spalte um. Dies ist der aktuelle Ersatz fürSeries.append(), der in pandas 2.0 entfernt wurde.pandas.merge(left, right, left_index=True, right_index=True)gleicht Zeilen über den Index oder über gemeinsame Schlüsselwerte ab, wie ein SQL-Join.df.join(series)fügt einem vorhandenenDataFrameeine benannte Serie hinzu und richtet sie am Index aus.
Ein Verhalten verbindet diese Ansätze: pandas richtet beschriftete Daten am Index aus. Wenn die Eingabe-Serien denselben Index haben, bleibt die Ausrichtung unsichtbar. Bei unterschiedlichen Indizes erzeugen Labels, die nur in einer Eingabe vorkommen, fehlende Werte (NaN) im kombinierten Ergebnis.
Serien mit pandas.concat() als Spalten kombinieren
Die Funktion pandas.concat() verkettet pandas-Objekte entlang einer Achse. Mit axis=1 werden die Objekte als Spalten nebeneinander gestellt; der Name jeder Serie wird zur Spaltenüberschrift, und die Zeilen werden am Index ausgerichtet.
Führen Sie dieses Beispiel aus:
Der Code und die angezeigten Bezeichnungen oder Ausgaben in diesem Abschnitt bleiben auf Englisch.
import pandas as pd
# Create Series by assigning names
products = pd.Series(
["Intel Dell Laptops", "HP Laptops", "Lenavo Laptops", "Acer Laptops"],
name="Products",
)
dollar_price = pd.Series([350, 300, 400, 250], name="Price")
percentage_sale = pd.Series([83, 99, 84, 76], name="Sale")
# merge three pandas series as columns using pandas.concat()
df = pd.concat([products, dollar_price, percentage_sale], axis=1)
print(df)
Ausgabe:
Products Price Sale
0 Intel Dell Laptops 350 83
1 HP Laptops 300 99
2 Lenavo Laptops 400 84
3 Acer Laptops 250 76
Da die drei Serien denselben ganzzahligen Standardindex haben, werden die Zeilen der Reihe nach ausgerichtet. Die Spaltenüberschriften Products, Price und Sale bleiben im unveränderten Beispiel englisch. Mit axis=0 (dem Standardwert) würde derselbe Aufruf die Werte zu einer langen Serie stapeln, statt Spalten zu bilden.
Serien mit pandas.concat() vertikal stapeln
Ältere Versionen dieser Aufgabe verwendeten Series.append(), eine Abkürzung, die entlang axis=0 verkettete. Diese Methode wurde in pandas 1.4 als veraltet markiert und in pandas 2.0 entfernt; ein Aufruf erzeugt daher jetzt einen AttributeError. Der Ersatz ist pandas.concat(): Übergeben Sie die Serien in einer Liste und setzen Sie ignore_index=True, um das kombinierte Ergebnis neu zu nummerieren.
Der Code und die angezeigten Bezeichnungen oder Ausgaben in diesem Abschnitt bleiben auf Englisch.
import pandas as pd
technical = pd.Series(["Pandas", "Python", "Scala", "Hadoop"])
non_technical = pd.Series(["SEO", "Graphic design", "Content writing", "Marketing"])
# stack the series and shape the result into a one-column DataFrame
df = pd.DataFrame(
pd.concat([technical, non_technical], ignore_index=True), columns=["Skills"]
)
print(df)
Ausgabe:
Skills
0 Pandas
1 Python
2 Scala
3 Hadoop
4 SEO
5 Graphic design
6 Content writing
7 Marketing
Hier gibt pd.concat() eine einzelne Serie mit acht Werten zurück, und pd.DataFrame(..., columns=["Skills"]) formt daraus einen DataFrame mit einer Spalte; die Überschrift Skills bleibt im Beispiel englisch. Um die ursprünglichen Index-Labels beizubehalten und nicht neu zu nummerieren, lassen Sie ignore_index=True weg.
Serien mit pandas.merge() über den Index abgleichen
pandas.merge() führt SQL-ähnliche Joins zwischen benannten Serien oder DataFrame-Objekten aus. Da die zusammengeführten Werte zu Spalten werden, benötigt jede Serie einen name. Mit left_index=True und right_index=True weisen Sie pandas.merge() an, Zeilen über den Index statt über eine Schlüsselspalte abzugleichen.
Der Code und die angezeigten Bezeichnungen oder Ausgaben in diesem Abschnitt bleiben auf Englisch.
import pandas as pd
# Create Series by assigning names
products = pd.Series(
["Intel Dell Laptops", "HP Laptops", "Lenavo Laptops", "Acer Laptops"],
name="Products",
)
dollar_price = pd.Series([350, 300, 400, 250], name="Price")
# match the two series on their index labels
df = pd.merge(products, dollar_price, right_index=True, left_index=True)
print(df)
Ausgabe:
Products Price
0 Intel Dell Laptops 350
1 HP Laptops 300
2 Lenavo Laptops 400
3 Acer Laptops 250
Der Standard-Join ist how="inner"; daher werden Index-Labels, die nur in einer Serie vorkommen, aus dem Ergebnis ausgelassen. Übergeben Sie how="outer", um alle Labels beizubehalten und die Lücken mit NaN zu füllen. Um Werte statt des Indexes abzugleichen, wandeln Sie die Serien in DataFrames um und übergeben einen Spaltennamen an on.
Eine Serie mit DataFrame.join() an einen DataFrame anfügen
DataFrame.join() ist die bequemste Option, wenn eine Seite bereits ein DataFrame ist. Wandeln Sie die erste Serie mit pd.DataFrame() um und rufen Sie dann .join() mit der zweiten Serie auf; die Serie muss einen name haben, der zur neuen Spaltenüberschrift wird.
Der Code und die angezeigten Bezeichnungen oder Ausgaben in diesem Abschnitt bleiben auf Englisch.
import pandas as pd
# Create Series by assigning names
products = pd.Series(
["Intel Dell Laptops", "HP Laptops", "Lenavo Laptops", "Acer Laptops"],
name="Products",
)
dollar_price = pd.Series([350, 300, 400, 250], name="Price")
# join the price series to a DataFrame built from products
df = pd.DataFrame(products).join(dollar_price)
print(df)
Ausgabe:
Products Price
0 Intel Dell Laptops 350
1 HP Laptops 300
2 Lenavo Laptops 400
3 Acer Laptops 250
Wie pandas.merge() richtet DataFrame.join() am Index aus, verwendet aber standardmäßig einen Left Join, sodass jede Zeile des aufrufenden DataFrame beibehalten wird.
Zur Wiederholung der Methodenwahl: Verwenden Sie pandas.concat() mit axis=1, um einen DataFrame aus unabhängigen Serien zu erstellen, pandas.concat() entlang axis=0 für die Stapelaufgabe, die Series.append() früher übernommen hat, pandas.merge(), wenn Zeilen über den Index oder Schlüsselwerte abgeglichen werden müssen, und DataFrame.join(), um eine benannte Serie an einen DataFrame anzufügen, den Sie bereits haben.