如何在pandas中将多个Series合并为各列对应Series名称的DataFrame

问题原因 #

1. 直接调用pd.concat(list_data)得到长Series是因为concat默认参数axis=0，执行的是纵向拼接逻辑，把所有Series的行堆叠到一起。
2. 遍历拼接时报错ValueError: cannot reindex from a duplicate axis是因为你所持有的Series中存在重复的日期索引，拼接时索引对齐逻辑冲突。

解决方法 #

步骤1：预处理所有Series，处理重复索引并统一索引格式 #

import pandas as pd

processed_list = []
for s in list_data:
    # 统一把索引转为datetime类型，避免字符串/日期格式不匹配导致对齐错误
    s.index = pd.to_datetime(s.index)
    # 处理重复索引，这里示例保留重复索引的第一个值，可根据需求调整keep参数为'last'或聚合处理
    s = s[~s.index.duplicated(keep='first')]
    processed_list.append(s)

步骤2：按列拼接得到目标DataFrame #

result_df = pd.concat(processed_list, axis=1)

拼接时会自动按日期索引对齐，缺失的索引位置自动填充NaN，每个Series的name属性会自动作为对应列的列名。

内容的提问来源于stack exchange，提问作者pyCthon