Question

我注意到单列数据帧几次懊恼（下面的例子）;但在大多数其他情况下，单列数据框只是一个系列。是否有任何押韵或理由说明为什么要退回一列DF？

示例：

1）当通过布尔掩码索引列时，掩码只有一个真值：

df = pd.DataFrame([list('abc'), list('def')], columns = ['foo', 'bar', 'tar'])
mask = [False, True, False]
type(df.ix[:,mask])

2）当在DataFrame上设置一个只有两列的索引时：

df = pd.DataFrame([list('ab'), list('de'), list('fg')], columns = ['foo', 'bar']
type(df.set_index('foo'))

我觉得如果我期待只有一列的DF，我可以通过调用来处理它

pd.Series(df.values().ravel(), index = df.index)

但在大多数其他情况下，单列数据框只是一个系列。是否有任何押韵或理由说明为什么要退回一列DF？

Answer 1

通常，当操作返回多列DataFrame时，将返回单列DataFrame。例如，当您使用布尔列索引时，如果有多个True值，则必须返回多列DataFrame，因此即使只有一列，也将始终返回DataFrame。同样，在设置索引时，如果您的DataFrame有两列以上，那么在为索引删除一个后，结果仍然必须是DataFrame，因此即使它只剩下一列，它仍然是一个DataFrame。

相反，如果您执行df.ix[:,'col']之类的操作，则会返回一个系列，因为无法将一个列名称传递给选择，可以选择多个列。

这个想法是，有时候做一个操作不应该返回一个DataFrame，有时候会根据操作数特有的特征返回一个系列（即它们碰巧有多少列，你的布尔掩码中有多少个值为True）。当你执行df.set_index('col')时，如果你知道你将永远得到一个DataFrame，那就更简单了，而不必担心原始版本有多少列。

请注意，还有DataFrame方法.squeeze()用于将单列DataFrame转换为系列。

为什么我只使用一列与系列相比得到Pandas数据框？

1 个答案: