如何合并两个pandas Series？含重叠与无重叠索引场景

场景1：存在重叠索引且对应值一致的合并 #

原始数据代码 #

import pandas as pd

index1 = list(range(6))
index2 = list(range(2, 8))

data1 = [7, 6, 1, 9, 3, 4]
data2 =       [1, 9, 3, 4, 10, 12]

s1 = pd.Series(data=data1, index=index1)
s2 = pd.Series(data=data2, index=index2)

需求 #

合并s1和s2得到新Series s3，保留s1的全部内容，同时补充s2中s1没有的索引对应值（重叠索引处值一致，无需处理冲突），最终输出如下：

0     7
1     6
2     1
3     9
4     3
5     4
6    10
7    12

解决方法 #

使用combine_first方法，该方法会优先使用调用者（s1）的值，当调用者索引缺失时，补充传入Series（s2）对应的值，完美适配重叠索引值一致的场景：

s3 = s1.combine_first(s2)
print(s3)

也可以用pd.concat结合分组去重，效果相同：

s3 = pd.concat([s1, s2]).groupby(level=0).first()
print(s3)

场景2：无重叠索引的合并 #

原始数据代码 #

import pandas as pd

index1 = list(range(6))
index2 = list(range(8, 14))

data1 = [7, 6, 1, 9, 3, 4]
data2 = [7, 2, 5, 6, 10, 12]

s1 = pd.Series(data=data1, index=index1)
s2 = pd.Series(data=data2, index=index2)

需求 #

合并s1和s2得到新Series s3，保留两个Series的全部内容，按原Series的顺序排列（先s1后s2），最终输出如下：

0      7
1      6
2      1
3      9
4      3
5      4
8      7
9      2
10     5
11     6
12    10
13    12
dtype: int64

解决方法 #

直接使用pd.concat，设置sort=False以保持原Series的索引顺序（默认sort=True会对索引进行排序）：

s3 = pd.concat([s1, s2], sort=False)
print(s3)

内容的提问来源于stack exchange，提问作者Brian