如何忽略索引将两个Pandas Series合并为指定格式的DataFrame？

你的问题核心是两个Series的原索引不匹配，但值是按顺序一一对应的，需要按位置对齐合并，而非按原索引合并。以下是两种简单可行的实现方式：

方法1：直接基于值序列构造DataFrame #

直接提取两个Series的数值部分，按列组合成新的DataFrame，完全忽略原索引：

import pandas as pd

# 假设你的两个Series变量是 Rising_Timestamp 和 Falling_Timestamp
df = pd.DataFrame({
    'start': Rising_Timestamp.values,
    'End': Falling_Timestamp.values
})

方法2：重置索引后合并 #

先将两个Series的索引重置为连续的0、1...，再进行横向合并：

# 重置索引，drop=True丢弃原索引列
rising_reset = Rising_Timestamp.reset_index(drop=True)
falling_reset = Falling_Timestamp.reset_index(drop=True)

# 横向合并并指定列名
df = pd.concat([rising_reset, falling_reset], axis=1)
df.columns = ['start', 'End']

原代码出现NaN的原因 #

你之前用的pd.concat(..., ignore_index=True, axis=1)中，ignore_index=True是针对列索引生效的，行索引仍然会取两个原Series索引的并集。由于两个Series的行索引（1、143 vs 37、157）没有重叠，合并后不重叠的索引位置就会出现缺失值NaN。而我们需要的是按值的位置顺序对齐，所以必须先统一行索引或者直接使用值序列。

内容的提问来源于stack exchange，提问作者Niro Mal