如何快速合并不同索引的1×1 Pandas Series为单行DataFrame

嘿，我刚好处理过类似的需求，确实有比逐个重置索引更简洁高效的方式！针对你给出的示例数据，我整理了两种最实用的方法：

方法一：利用pd.concat转置实现 #

这种方法直接将所有Series合并成一个大Series，再转置为单行DataFrame，步骤非常简洁：

import pandas as pd

# 先构造你的示例Series（和你提供的数据对应）
s_a = pd.Series(0.005077, index=[326], name='A')
s_date = pd.Series(pd.to_datetime('2011-01-18 16:00:00'), index=[4300], name='datetime')
s_b = pd.Series(0.004077, index=[5], name='B')

# 核心代码：合并后转置
combined_series = pd.concat([s_a, s_date, s_b])
result_df = combined_series.to_frame().T

执行后得到的result_df就是你想要的单行结构：

A            datetime         B
0  0.005077 2011-01-18 16:00:00  0.004077

方法二：字典推导式直接构造DataFrame #

如果你想跳过合并Series的步骤，也可以用字典推导式直接提取每个Series的名称和值，一步创建目标DataFrame：

result_df = pd.DataFrame({
    series.name: [series.iloc[0]] for series in [s_a, s_date, s_b]
})

这个方法逻辑更直观：遍历所有Series，用每个Series的name作为列名，用iloc[0]提取唯一的值（因为是1×1结构），最后包装成列表传入pd.DataFrame，直接得到单行结果。

这两种方法都不需要手动重置每个Series的索引，代码量更少，可读性也更强，完全满足你的需求～

内容的提问来源于stack exchange，提问作者eternity1