近来看到下面这篇感觉很不错，文章主要给大家介绍了python pandas中对Series数据进行轴向连接的实例的相关资料，需要的朋友可以参考下
有时候我们想要的数据合并结果是数据的轴向连接，在pandas中这可以通过concat来实现。操作的对象通常是Series。
Ipython中的交互代码如下：
In [17]: from pandas import Series,DataFrame In [18]: series1 = Series(range(2),index = ['a','b']) In [19]: series2 = Series(range(3),index = ['c','d','e']) In [20]: series3 = Series(range(2),index = ['f','g']) In [21]: import pandas as pd
进行三个Series的连接：
In [22]: pd.concat([series1,series2,series3]) Out[22]: a 0 b 1 c 0 d 1 e 2 f 0 g 1 dtype: int64
默认情况下，pandas执行的是按照axis=0进行连接。如果进行axis=1的连接，结果如下：
In [24]: S1=pd.concat([series1,series2,series3],axis=1) In [25]: S1 Out[25]: 0 1 2 a 0.0 NaN NaN b 1.0 NaN NaN c NaN 0.0 NaN d NaN 1.0 NaN e NaN 2.0 NaN f NaN NaN 0.0 g NaN NaN 1.0 In [26]: type(S1) Out[26]: pandas.core.frame.DataFrame
结果是一个DataFrame，回头再看一下前面的Series的连接后的最终类型：
In [27]: type(pd.concat([series1,series2,series3])) Out[27]: pandas.core.series.Series
两种方式的结果并不相同，一个结果是Series，另一个则是DataFrame。
In [29]: series3 = Series(range(2),index = ['f','e']) In [30]: pd.concat([series1,series2,series3]) Out[30]: a 0 b 1 c 0 d 1 e 2 f 0 e 1 dtype: int64
从上面的一点测试中可以看出，concat的操作仅仅是单纯的连接，并没有涉及到数据的整合。如果想要进行整合，还是使用merge的方法。
以上这篇python pandas中对Series数据进行轴向连接的实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。
