Zusammenführen von zwei Pandas-Serien zu einem DataFrame

1. Zusammenführen von zwei Pandas-Serien zu einem DataFrame mit der Methode pandas.concat()
2. Zusammenführen von zwei Pandas-Serien zu einem DataFrame mit der Methode pandas.merge()
3. Zusammenführen von zwei Pandas-Serien in einen DataFrame unter Verwendung der Series.append() Methode
4. Zusammenfügen von zwei Pandas-Serien in einen DataFrame mit der Methode DataFrame.join()
5. Abschluss

Pandas ist eine sehr beliebte und quelloffene Python-Bibliothek, die verschiedene Funktionalitäten oder Methoden bietet, um zwei Pandas-Serien in einem DataFrame zusammenzuführen oder zu kombinieren. In Pandas ist eine Serie ein einzelnes eindimensionales beschriftetes Array, das jeden Datentyp wie Integer, Float, String, Python-Objekte usw. verarbeiten kann. In einfachen Worten ist die Pandas-Serie eine Spalte in einem Excel-Blatt. Series speichert die Daten in sequentieller Reihenfolge.

In diesem Tutorial lernen wir, wie man zwei oder mehrere Pandas-Serien zu einem DataFrame zusammenführt oder kombiniert.

Es gibt verschiedene Methoden, um zwei oder mehrere Pandas-Serien zu einem DataFrame zusammenzuführen, wie pandas.concat(), Series.append(), pandas.merge() und DataFrame.join(). In diesem Artikel werden wir jede Methode anhand einiger Beispiele kurz erläutern.

Zusammenführen von zwei Pandas-Serien zu einem DataFrame mit der Methode pandas.concat()

Die Methode pandas.concat() führt alle Verkettungsoperationen entlang einer Achse aus (entweder zeilenweise oder spaltenweise). Wir können zwei oder mehr Pandas-Objekte oder -Serien entlang einer bestimmten Achse zusammenführen, um einen DataFrame zu erstellen. Die Methode concat() nimmt verschiedene Parameter an.

Im folgenden Beispiel übergeben wir pandas series an merge und axis=1 als Parameter. Die axis=1 bedeutet, dass die Series als Spalte anstelle von Zeilen zusammengeführt wird. Wenn wir axis=0 verwenden, werden Pandas-Serien als Zeile angehängt.

Beispielcode:

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 two pandas series using the pandas.concat() method
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

Zusammenführen von zwei Pandas-Serien zu einem DataFrame mit der Methode pandas.merge()

Mit pandas.merge() werden die komplexen spaltenweisen Kombinationen von DataFrame ähnlich einem SQL join oder einer merge-Operation zusammengeführt. Die Methode merge() kann alle Datenbank-Join-Operationen zwischen den genannten Serienobjekten oder DataFrame ausführen. Wir müssen der Serie einen zusätzlichen Parameter name übergeben, wenn wir pandas.merge()-Methode.

Siehe das folgende Beispiel.

Beispielcode:

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")

# using pandas series merge()
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

Zusammenführen von zwei Pandas-Serien in einen DataFrame unter Verwendung der Series.append() Methode

Die Methode Series.append() ist eine Abkürzung zur Methode concat(). Diese Methode hängt die Reihe entlang axis=0 oder Reihen an. Mit dieser Methode können wir einen DataFrame erstellen, indem wir die Serie als Zeile anstelle von Spalten an eine andere Serie anhängen.

Wir haben die Methode series.append() in unserem Quellcode wie folgt verwendet:

Beispielcode:

import pandas as pd

# Using Series.append()
technical = pd.Series(["Pandas", "Python", "Scala", "Hadoop"])
non_technical = pd.Series(["SEO", "Graphic design", "Content writing", "Marketing"])

# using the appen() method merge series and create dataframe
df = pd.DataFrame(
    technical.append(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

Zusammenfügen von zwei Pandas-Serien in einen DataFrame mit der Methode DataFrame.join()

Mit der Methode DataFrame.join() können wir zwei Reihen verbinden. Bei dieser Methode müssen wir eine Serie in das Objekt DataFrame umwandeln. Dann verwenden wir das Ergebnis, um es mit einer anderen Serie zu kombinieren.

Im folgenden Beispiel haben wir die erste Serie in ein DataFrame-Objekt umgewandelt. Dann haben wir diesen DataFrame verwendet, um mit einer anderen Serie zu fusionieren.

Beispielcode:

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")

# Merge series using DataFrame.join() method
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

Abschluss

In diesem Tutorial haben wir gelernt, wie man zwei Pandas-Serien mit den vier verschiedenen Methoden zu einem DataFrame zusammenführt. Darüber hinaus haben wir untersucht, wie diese vier Methoden pandas.concat(), Series.append(), pandas.merge() und DataFrame.join() uns die Lösung der Pandas Merge Series-Aufgabe erleichtern.