如何在Python Pandas中基于相同ID列合并3个Series为DataFrame

假设你的三个Series分别命名为s1、s2、s3，每个Series的索引为人员姓名（Name），值对应不同时间的指标（比如s1对应2020-01，s2对应2020-02，s3对应2020-03），以下是两种可行的合并方法：

方法1：用pd.concat按列合并（高效简洁） #

直接指定按列合并方向，给每个Series命名对应时间列，最后将索引转为Name列：

import pandas as pd

# 给每个Series设置对应时间的列名
s1 = s1.rename('2020-01')
s2 = s2.rename('2020-02')
s3 = s3.rename('2020-03')

# 按列合并后重置索引，把原索引（Name）转为列
result_df = pd.concat([s1, s2, s3], axis=1).reset_index().rename(columns={'index': 'Name'})

方法2：用merge逐步合并（灵活处理缺失值） #

如果需要精准控制合并逻辑（比如只保留共同存在的姓名），可以逐个合并：

import pandas as pd

# 将每个Series转为带Name列的DataFrame
df1 = s1.reset_index().rename(columns={'index': 'Name', 0: '2020-01'})
df2 = s2.reset_index().rename(columns={'index': 'Name', 0: '2020-02'})
df3 = s3.reset_index().rename(columns={'index': 'Name', 0: '2020-03'})

# 按Name列合并，how='outer'保留所有姓名，改'inner'则只保留三者共有的姓名
result_df = df1.merge(df2, on='Name', how='outer').merge(df3, on='Name', how='outer')

失败原因说明 #

你之前用concat未成功，大概率是没指定axis=1（默认axis=0是按行堆叠），或者没给Series设置明确列名，导致合并后结构不符合预期。

内容的提问来源于stack exchange，提问作者Kristy