将对象从apply操作合并到PANDA中的dataframe

Question

我有一个来自apply操作的对象，我想将它与数据帧合并。我的理解是apply操作的对象不是数据帧，因此不可能使用合并操作。一种方法是转换为数据帧，但我不知道如何转换。你知道吗

例如，我使用以下代码获取数据帧df1的第一个有效索引：

p1 = df1.apply(lambda series: series.first_valid_index())

结果我得到了以下结果：

AAA   5
BBB   6
CCC   3

我想将其与数据帧df2合并：

       val1   val2
Index
  AAA    12     qw   
  BBB    6      te   
  CCC    31     gb

所以我可以得到以下信息：

       val1   val2  val3
Index
  AAA    12     qw    5
  BBB    6      te    6
  CCC    31     gb    3

当我尝试输入（df1）时，我得到以下结果

   <class 'pandas.core.series.Series'>

我怎么做合并操作？谢谢你的帮助。你知道吗

Answer 1

联接在索引上对齐。你知道吗

p1.name = 'val3'
>>> df2.join(p1)
     val1 val2  val3
AAA    12   qw     5
BBB     6   te     6
CCC    31   gb     3

Answer 2

我认为您不应该使用merge来组合两个数据帧，以满足您所描述的特定需求。我最好建议使用concat函数或join方法；例如，用法参考以下docs。你知道吗

为了解决你的问题，我写了一段代码。如果它是一个pandas系列对象，您应该能够通过指定一个新列将它添加到您的数据帧中。你知道吗

import pandas as pd

# Making some definitions
ind = ["AAA", "BBB", "CCC"]
cols = ["val1","val2","val3"]
val1 = pd.Series(index=ind, data=[21,22,23])
val2 = pd.Series(index=ind, data=["qw","te","gb"])
val3 = pd.Series(index=ind, data=[1,2,3])
ser = [val1,val2,val3]

# Defining a dataframe using the defined series objects
df1 = pd.DataFrame(index=ind, data={cols[i]:ser[i] for i in range(3)})
df2 = pd.DataFrame(index=ind, data={cols[i]:ser[i] for i in range(2)})

# Making a dataframe from first two series objects and adding
# third column
df22 = df2.copy()
print("Test1, Before:")
print(df2)
df22["val3"] = val3
print("Test1, After:")
print(df22)

# Same thing done using join
dfj = df2.copy()
val3.name = "val3" #need name for join
dfj = dfj.join(val3)
print("Test2, After:")
print(dfj)

# same thing done using concat
dfc = df2.copy()
dfc = pd.concat([dfc,val3],axis=1)
print("Test3, After:")
print(dfc)