结合两个熊猫系列？

Question

我想结合两个熊猫系列s1和s2。

s1 = pd.Series([2,5,5], index=['a','b','c'])
s2 = pd.Series([2,4,7], index=['a','b','d'])

这是我想要的结果：

s3 = pd.Series([4,9,5,7], index=['a','b','c','d'])

a    4
b    9
c    5
d    7
dtype: int64

我已经尝试过+运算符s1.append(s2)和pd.join([s1,s2])，但是这些没有给出我想要的结果。

Answer 1

似乎add会在这里工作

s1.add(s2,fill_value=0)
Out[145]: 
a    4.0
b    9.0
c    5.0
d    7.0
dtype: float64

Answer 2

脾气暴躁的np.add.at

这有点荒谬，但我想展示一些不同的东西

import numpy as np
import pandas as pd
from itertools import chain

k, v = zip(*chain(*map(pd.Series.items, [s1, s2])))
i, r = pd.factorize(k)
out = np.zeros(len(r), dtype=int)
np.add.at(out, i, v)
pd.Series(out, r)

a    4
b    9
c    5
d    7
dtype: int64

Answer 3

只需使用pandas.Series.add

s3 = s1.add(s2, fill_value=0)

#result
a    4.0
b    9.0
c    5.0
d    7.0
dtype: float64

Answer 4

替代add

pd.concat((s1,s2), axis=1, sort=True).sum(1, min_count=1)

输出：

a    4.0
b    9.0
c    5.0
d    7.0
dtype: float64

Answer 5

直接从pandas.Series.add有一个简单的答案，您可以从这里获取

在这里供您使用。.

第一个数据框：

>>> s1
a    2
b    4
c    5
dtype: int64

第二个数据框：

>>> s2
a    2
b    4
d    7
dtype: int64

简单的DataFrame.add + fill_value，在文档中对此进行了说明：

>>> s1.add(s2, fill_value=0)
a    4.0
b    8.0
c    5.0
d    7.0
dtype: float64

文档：

  

fill_value：无或浮点值，默认为无

     

填充现有的缺失（NaN）值，以及填充所需的任何新元素   成功对齐DataFrame，并在计算前使用此值。如果   两个对应的DataFrame位置中的数据均缺少结果   将丢失