如何合并两个存在重叠的Pandas Series并将重叠行值设为0

这里提供两种简洁的实现方式，都能满足你的需求：

方法一：拆分合并法 #

先分离两个Series的非重叠部分，再单独处理重叠索引的取值，最后合并所有部分并排序索引：

import pandas as pd

# 构造示例数据
A = pd.Series([1, 1, 1], index=[0, 1, 2], name='A')
B = pd.Series([2, 2, 2], index=[2, 3, 4], name='B')

# 1. 获取两个Series的重叠索引
common_idx = A.index.intersection(B.index)

# 2. 提取A、B的非重叠部分
a_non_overlap = A.drop(common_idx)
b_non_overlap = B.drop(common_idx)

# 3. 创建重叠索引对应的Series，值设为指定值（这里是0）
overlap_series = pd.Series(0, index=common_idx)

# 4. 合并所有部分并按索引排序
C = pd.concat([a_non_overlap, b_non_overlap, overlap_series]).sort_index()
C.name = 'C'

print(C)

输出结果：

0    1
1    1
2    0
3    2
4    2
Name: C, dtype: int64

方法二：分组处理法 #

先合并两个Series，再按索引分组，判断每组元素数量：若为2则说明是重叠索引，设置为指定值；否则保留原数值：

import pandas as pd

# 构造示例数据
A = pd.Series([1, 1, 1], index=[0, 1, 2], name='A')
B = pd.Series([2, 2, 2], index=[2, 3, 4], name='B')

# 1. 合并两个Series，重叠索引会保留两个值
combined = pd.concat([A, B])

# 2. 按索引分组处理
C = combined.groupby(combined.index).apply(lambda x: 0 if len(x) == 2 else x.iloc[0])
C.name = 'C'

print(C)

输出结果和方法一完全一致。如果需要修改重叠部分的指定值，只需要把代码中的0替换成你想要的数值即可。

内容的提问来源于stack exchange，提问作者GodProbablyExists