PythonのPandasのseriesの結合について

2025年7月23日

PythonのPandasライブラリでは、Seriesオブジェクトを結合する方法がいくつかあります。

用途に応じて使い分けることが重要です。

以下では、基本的な結合方法から、インデックスやデータの整合性に配慮した高度な方法まで、詳しく解説します。

そもそもSeriesとは？

SeriesはPandasの基本的なデータ構造のひとつで、1次元のラベル付き配列です。

例えば

import pandas as pd

s1 = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
print(s1)

a    10
b    20
c    30
dtype: int64

方法	概要	例
`pd.concat()`	Series同士を縦や横に結合する汎用的な関数	複数Seriesをまとめる
`append()`	`pd.concat`の簡易版（非推奨・v2.0以降廃止）	`s1.append(s2)`
`combine_first()`	片方の欠損値をもう片方の値で補完	補完やマージに便利
`add()`, `sub()`, `mul()` など	要素ごとの算術結合（インデックスに依存）	`s1 + s2` でも可
`join()`	データフレームのような方法でSeries同士を結合	通常はDataFrame向け

s1 = pd.Series([1, 2], index=['a', 'b'])
s2 = pd.Series([3, 4], index=['c', 'd'])

result = pd.concat([s1, s2])
print(result)

a    1
b    2
c    3
d    4
dtype: int64

複数のSeriesを一つのSeriesとして“縦に”つなぎます。

result = pd.concat([s1, s2], axis=1)
print(result)

     0    1
a  1.0  NaN
b  2.0  NaN
c  NaN  3.0
d  NaN  4.0

axis=1 を指定すると列方向に結合され、DataFrameになります。インデックスが自動で揃えられます。

s1 = pd.Series([1, None, 3], index=['a', 'b', 'c'])
s2 = pd.Series([10, 20, 30], index=['b', 'c', 'd'])

result = s1.combine_first(s2)
print(result)

a     1.0
b    10.0
c     3.0
d    30.0
dtype: float64

s1 の値が優先され、NaN の部分に s2 の値が補完されます。
欠損補完やマージに便利な方法です。

s1 = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
s2 = pd.Series([4, 5, 6], index=['b', 'c', 'd'])

result = s1 + s2
print(result)

a    NaN
b    6.0
c    8.0
d    NaN
dtype: float64

同じインデックス同士の値だけが計算され、それ以外は NaN になります。

他にも .add(), .sub(), .mul(), .div() といったメソッドがあります。

s1.add(s2, fill_value=0)

これは、NaN の代わりに 0 を使って計算する例です。

df = pd.concat([s1, s2], axis=1)
df.columns = ['S1', 'S2']
print(df)

     S1   S2
a   1.0  NaN
b   2.0  4.0
c   3.0  5.0
d   NaN  6.0

状況	エラー・問題	解決法
インデックスが重複している	結果に重複が生じる	`ignore_index=True` を使うか、ユニークにする
`axis=1` で結合したのに期待と違う	Seriesが列として扱われる	`DataFrame`化を意識すること