Pandas Series右连接定义是什么？两段相关代码是否等价？

简单来说，Pandas Series的右连接（right join，也叫右外连接）在对齐两个Series时，完全以右侧Series的索引为基准：

• 最终结果的索引会和右侧Series的索引完全一致（包括顺序和所有元素）；
• 对于右侧索引中存在、但左侧Series没有的索引项，左侧Series会在对应位置填充NaN；
• 对于两侧都有的索引项，保留左侧Series的原有值；
• 左侧Series中存在但右侧没有的索引项，会被直接丢弃（这是右连接的核心特点）。

举个例子：如果s1的索引是['a','b']，值是[1,2]；s2的索引是['b','c']，值是[3,4]。对s1和s2做右连接对齐后，s1会变成索引['b','c']，值[2, NaN]。

这两段代码并不等价，核心差异有两点：

差异1：左侧原有多余索引的处理 #

代码段1使用align(join='right')时，会直接丢弃s1中所有不在s2索引里的项。比如如果s1有索引'a'但s2没有，执行后s1的'a'会被删掉。
而代码段2只是给s1添加s2中存在但s1没有的索引项（赋值NaN），但完全保留s1原来所有的索引项——包括那些s2没有的。

差异2：索引顺序的一致性 #

align方法默认会将结果的索引排序并和右侧Series的索引顺序完全匹配（除非显式设置sort=False）。比如s2的索引是['c','b']，代码段1执行后s1的索引会变成['c','b']；
但代码段2只是在s1的现有索引末尾添加新的项，不会改变原有索引的顺序，也不会对齐到s2的索引顺序。

举个具体的例子：
假设s1 = pd.Series([1,2], index=['a','b'])，s2 = pd.Series([3,4], index=['c','b'])

• 代码段1执行后，s1会变成：

  c    NaN
  b    2.0
  dtype: float64
  

• 代码段2执行后，s1会变成：

  a    1.0
  b    2.0
  c    NaN
  dtype: float64
  

显然两者的结果完全不同。

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