In diesem Beitrag erfahren Sie, wie Sie zwei Serien zu einem DataFrame kombinieren. Bevor wir anfangen, wollen wir mal sehen, was eine Serie ist.
Die Pandas-Serie ist ein eindimensional beschriftetes Array, das jeden Datentyp aufnehmen kann. Mit anderen Worten, die Pandas-Serie ist nichts anderes als eine Spalte in einem Excel-Blatt.

Es gibt verschiedene Möglichkeiten, zwei Serien in Pandas zu verketten. Es folgen einige Möglichkeiten:

Methode 1: Verwenden von pandas.concat() .

Diese Methode erledigt das gesamte schwere Heben der Durchführung von Verkettungsoperationen entlang einer Achse, während eine optionale Mengenlogik (Vereinigung oder Schnittmenge) der Indizes (falls vorhanden) auf den anderen Achsen ausgeführt wird.

Code:

import pandas as pd 
  
def createSeries (series_list): 
    
  
  series_list = pd.Series(series_list) 
    
  return series_list 
  
students = createSeries(['ABC', 'DEF', 
                         'GHI', 'JKL', 
                         'MNO', 'PQR'])   
subject = createSeries(['C++', 'C#',  
                        'RUBY', 'SWIFT', 
                        'GO', 'PYTHON']) 
marks = createSeries([90, 30,  
                      50, 70,  
                      80, 60]) 
data = {"students": students, 
        "subject": subject, 
        "marks": marks} 
  
df = pd.concat(data, 
               axis = 1) 
  
df

Ausgabe:

Methode 2: Verwenden von Series.append() .

Diese Methode ist eine Verknüpfung zu concat. Diese Methode verkettet entlang der Achse = 0, dh Zeilen. Series.append() kann mehrere Objekte zum Verketten verwenden.

Code:

import pandas as pd 
  
a = pd.Series(["ABC", "DEF",  
               "GHI"]) 
  
b = pd.Series(["JKL", "MNO",  
               "PQR"]) 
  
df = pd.DataFrame(a.append(b,  
                  ignore_index = True)) 
df

Ausgabe: 

Methode 3: Verwenden von pandas.merge() .

Pandas verfügen über leistungsstarke In-Memory-Join-Vorgänge, die RDBMS wie SQL sehr ähnlich sind. Die Zusammenführung kann für alle Datenbankverbindungsvorgänge zwischen Datenrahmen- oder benannten Serienobjekten verwendet werden. In diesem Fall müssen Sie der Serie einen zusätzlichen Parameter „name“ übergeben.

Code:

import pandas as pd 
  
a = pd.Series(["C++", "JAVA",  
               "PYTHON", "DBMS", 
               "C#"], name = "subjects") 
  
b = pd.Series(["30", "60",  
               "90", "56",  
               "50"], name = "marks") 
  
df = pd.merge(a, b, right_index = True, 
               left_index = True) 
df 

Ausgabe: 

Methode 4: Verwenden von Dataframe.join() .

Diese Methode kann auch zum Verbinden von zwei Serien verwendet werden, Sie müssen jedoch eine Serie in einen Datenrahmen konvertieren.

Code:

import pandas as pd 
  
a = pd.Series(["C++", "JAVA",  
               "PYTHON", "DBMS",  
               "C#"], name = "subjects") 
  
b = pd.Series(["30", "60",  
               "90", "56",  
               "50"], name = "marks") 
  
a = pd.DataFrame(a) 
  
df = a.join(b) 
  
df 

Ausgabe: