如何在Pandas中按行拼接多个data series元素生成新序列

完全可以实现按对应位置拼接多个Series生成新Series的需求，核心逻辑是先将所有参与拼接的Series转为指定格式的字符串，再按位置拼接即可，无需使用merge、append这类dataframe级别的合并操作。

示例实现 #

首先构造和你需求一致的示例数据：

import pandas as pd

# 对应你的ColumnA，float64类型
s_type = pd.Series([1.0, 2.0, 3.0], dtype='float64')
# 对应你的ColumnB，float64类型
s_number = pd.Series([1.0, 2.0, 3.0], dtype='float64')
# 对应你的ColumnC，datetime64[ns]类型
s_date = pd.Series(pd.to_datetime(['2018-04-07', '2018-05-08', '2018-06-09']))

方法1：使用+运算符直接拼接 #

如果需要和示例一致，将日期转为Excel序列号格式再拼接：

# 处理日期为Excel序列号（1900年日期系统）后转字符串
s_date_serial = (s_date.view('int64') // 10**9 // 86400 + 25569).astype(str)
# 数值列转字符串，可按需去掉末尾的.0
s_type_str = s_type.astype(str).str.rstrip('.0')
s_number_str = s_number.astype(str).str.rstrip('.0')

# 对应位置拼接
result = s_type_str + s_number_str + s_date_serial

执行后result.iloc[0]的输出即为你需要的1143285。
如果不需要转Excel序列号，直接拼接日期字符串，将日期处理改为s_date.astype(str)即可。

方法2：使用str.cat批量拼接 #

如果需要拼接的Series数量较多，推荐用str.cat方法，代码更简洁：

result = s_type_str.str.cat([s_number_str, s_date_serial], na_rep='')

其中na_rep参数用于指定缺失值的替换内容，避免出现拼接结果为NaN的情况。

注意事项 #

• 所有参与拼接的Series需要长度一致、索引对齐，否则会出现拼接错位或空值
• 非字符串类型的Series必须先转为字符串类型后再执行拼接操作

内容的提问来源于stack exchange，提问作者Tegman