我认为concat是一个很好的方法，如果它们存在，它会使用Series的name属性作为列（否则它只会给它们编号）：

In [1]: s1 = pd.Series([1, 2], index=['A', 'B'], name='s1')

In [2]: s2 = pd.Series([3, 4], index=['A', 'B'], name='s2')

In [3]: pd.concat([s1, s2], axis=1)
Out[3]:
   s1  s2
A   1   3
B   2   4

In [4]: pd.concat([s1, s2], axis=1).reset_index()
Out[4]:
  index  s1  s2
0     A   1   3
1     B   2   4

• 注意：这扩展到2个以上的系列。*

如果两者具有相同的索引，则可以使用to_frame。

〉= v0.23

a.to_frame().join(b)

〈一米二米一英寸

a.to_frame().join(b.to_frame())

Pandas会自动将这些连续传递的数据对齐，并创建联合索引。它们在这里碰巧是相同的。reset_index将索引移动到一列。

In [2]: s1 = Series(randn(5),index=[1,2,4,5,6])

In [4]: s2 = Series(randn(5),index=[1,2,4,5,6])

In [8]: DataFrame(dict(s1 = s1, s2 = s2)).reset_index()
Out[8]: 
   index        s1        s2
0      1 -0.176143  0.128635
1      2 -1.286470  0.908497
2      4 -0.995881  0.528050
3      5  0.402241  0.458870
4      6  0.380457  0.072251

如果我可以回答这个问题。
将系列转换为数据框的基本原理是了解

1.在概念层面上，数据框中的每一列都是一个系列。
2.而且，每个列名都是Map到一个系列的键名。

如果你记住以上两个概念，你可以想到很多方法来转换系列到数据框。一个简单的解决方案将是这样的：
在此处创建两个系列

import pandas as pd

series_1 = pd.Series(list(range(10)))

series_2 = pd.Series(list(range(20,30)))

创建仅包含所需列名的空数据框

df = pd.DataFrame(columns = ['Column_name#1', 'Column_name#1'])

使用Map概念将系列值放入数据框中

df['Column_name#1'] = series_1

df['Column_name#2'] = series_2

立即查看结果

df.head(5)

示例代码：

a = pd.Series([1,2,3,4], index=[7,2,8,9])
b = pd.Series([5,6,7,8], index=[7,2,8,9])
data = pd.DataFrame({'a': a,'b':b, 'idx_col':a.index})

Pandas允许您使用Series作为值，列名作为键，从dict创建DataFrame。当它找到Series作为值时，它使用Series索引作为DataFrame索引的一部分。这种数据对齐是Pandas的主要优势之一。因此，除非您有其他需要，新创建的DataFrame有重复值，上例中data['idx_col']和data.index有相同的数据。

我不太明白你的问题，但这是你想做的吗？

pd.DataFrame(data=dict(s1=s1, s2=s2), index=s1.index)

（这里甚至不需要index=s1.index）

基于join()的解决方案简化：

df = a.to_frame().join(b)

如果您试图连接长度相等的Series，但它们的索引不匹配（这是常见的情况），那么连接它们将在它们不匹配的地方生成NA。

x = pd.Series({'a':1,'b':2,})
y = pd.Series({'d':4,'e':5})
pd.concat([x,y],axis=1)

#Output (I've added column names for clarity)
Index   x    y
a      1.0  NaN
b      2.0  NaN
d      NaN  4.0
e      NaN  5.0

假设你不关心索引是否匹配，解决方案是在连接两个Series之前重新索引它们，如果drop=False是默认值，那么Pandas会将旧索引保存在新 Dataframe 的一列中（为了简单起见，这里删除了索引）。

pd.concat([x.reset_index(drop=True),y.reset_index(drop=True)],axis=1)

#Output (column names added):
Index   x   y
0       1   4
1       2   5

我用panda把我的numpy数组或iseries转换成一个 Dataframe ，然后按键添加额外的列作为“prediction”。如果你需要把 Dataframe 转换回列表，那么使用values.tolist（）

output=pd.DataFrame(X_test)
output['prediction']=y_pred

list=output.values.tolist()