在python中将多个函数的输出组合到一个pd.Series中（如R中的c（））

我一直在使用

R

进行数据分析，并试图学习

python

。在R中，我可以使用

c（）

创建向量，这将返回一个由我传递的任何内容生成的“列”。我经常使用它来连接序列或重复值。大概是这样的：

> test <- c(rep(1:2, each = 2), seq(5, 10, by = 2), runif(3))
> test
 [1] 1.0000000 1.0000000 2.0000000 2.0000000 5.0000000 7.0000000 9.0000000
 [8] 0.9237168 0.5051230 0.2367923

这给我带来了一种嵌套的东西：

0                                        [1, 1, 2, 2]
1                                           [5, 7, 9]
2    [0.989736164378, 0.558979301843, 0.385354683044]
dtype: object

我知道我可以，但那似乎太过分了。我神奇地用谷歌搜索到其中包含了我从未听说过的可能有用的

tolist（）

函数。虽然这是关于将一行数据帧（？）放入一个

pd.Series

，但函数似乎可以做到这一点

结合我可以使用

+

添加列表（从第一个链接问题中收集），以及上一个链接问题的

tolist（）

位，我发现：

test1 = np.repeat([1, 2], 2).tolist()
test2 = np.arange(5, 10, 2).tolist()
test3 = np.random.random_sample(3).tolist()

test = pd.Series(test1 + test2 + test3)

0    1.000000
1    1.000000
2    2.000000
3    2.000000
4    5.000000
5    7.000000
6    9.000000
7    0.472650
8    0.077398
9    0.672734
dtype: float64

希望我想做的是清楚的。我喜欢使用

c（）

，您可以传入任何您想要的内容，并且可以以所需的模式优雅地将一系列生成的数字串在一起。我很惊讶用一个

pd.Series

来做这件事有多么困难，并由此推断我做错了

---

通常如何使用

python

？

如果从numpy数组开始，可以使用：

---

如果从

pandas.Series

对象开始，可以从一个系列到另一个系列：

s1 = pd.Series(np.repeat([1, 2], 2))
s2 = pd.Series(np.arange(5, 10, 2))
s3 = pd.Series(np.random.random_sample(3))
​    
s1.append([s2, s3], ignore_index=True)
#0    1.000000
#1    1.000000
#2    2.000000
#3    2.000000
#4    5.000000
#5    7.000000
#6    9.000000
#7    0.766968
#8    0.730897
#9    0.196995
#dtype: float64

或使用

pd.concat

方法：

pd.concat([s1, s2, s3], ignore_index=True)

---

谢谢你。没有我希望的那么短，但这很有帮助。你的意思是让pd.np.concatenate（…）？我想知道你的意思是不是

pd.Series（np.concatenate（…）

？当然这比不上

c（）

：）。如果您想要一个Series对象作为结果，那么您需要将

pd.Series

包装为

pd.Series（np.concatenate（…）

pd.np.concatenate

也是一种有效的语法，如果已经导入了

pandas

，可以避免再次导入

numpy

。很高兴知道。我可能真的不知道我是否需要一个系列，因为我太新了。我把它作为一个新列反馈到一个

pd.DataFrame

，所以我假设是这样。不管是哪种情况，这都是非常好的解决方法！

s1 = pd.Series(np.repeat([1, 2], 2))
s2 = pd.Series(np.arange(5, 10, 2))
s3 = pd.Series(np.random.random_sample(3))
​    
s1.append([s2, s3], ignore_index=True)
#0    1.000000
#1    1.000000
#2    2.000000
#3    2.000000
#4    5.000000
#5    7.000000
#6    9.000000
#7    0.766968
#8    0.730897
#9    0.196995
#dtype: float64

pd.concat([s1, s2, s3], ignore_index=True)