Question

为什么pandas会区分Series和单列DataFrame？
换句话说：Series类存在的原因是什么？

我主要使用日期时间索引的时间序列，这可能有助于设置上下文。

Answer 1

pandas。 DataFrame （数据=无，索引=无，列=无，dtype =无，复制=错误）

具有标记轴的二维大小可变，可能异构的表格数据结构   （行和列）。算术运算在行标签和列标签上对齐。   可以被认为是Series对象的类似dict的容器。主要pandas数据结构

（强调我的，句子片段不是我的）

所以系列是DataFrame 的单个列的数据结构，不仅在概念上，而且字面意思，即DataFrame中的数据实际上存储在内存中Series的集合。

类似地：我们需要列表和矩阵，因为矩阵是用列表构建的。如果没有由它们组成的列表，单行matricies（相当于功能列表）仍然不存在。

它们都具有非常相似的API，但您会发现DataFrame方法始终满足您拥有多个列的可能性。当然，您始终可以向Series添加另一个DataFrame（或等效对象），而向另一个Series添加Series则需要创建DataFrame

Answer 2

来自pandas doc http://pandas.pydata.org/pandas-docs/stable/dsintro.html的

Series是一维标记数组，能够保存任何数据类型。以熊猫系列形式阅读数据：

import pandas as pd
ds = pd.Series(data, index=index)

DataFrame是一个二维标签数据结构，其中包含可能不同类型的列。

import pandas as pd
df = pd.DataFrame(data, index=index)

以上两个索引都是列表

例如：我有一个包含以下数据的csv文件：

,country,popuplation,area,capital
BR,Brazil,10210,12015,Brasile
RU,Russia,1025,457,Moscow
IN,India,10458,457787,New Delhi

将上述数据作为系列和数据框读取：

import pandas as pd
file_data = pd.read_csv("file_path", index_col=0)
d = pd.Series(file_data.country, index=['BR','RU','IN'] or index =  file_data.index)

输出：

>>> d
BR           Brazil
RU           Russia
IN            India

df = pd.DataFrame(file_data.area, index=['BR','RU','IN'] or index = file_data.index )

输出：

>>> df
      area
BR   12015
RU     457
IN  457787

Answer 3

Series是一个一维对象，可以保存任何数据类型，如整数，浮点数和字符串，例如

   import pandas as pd </i>
   x = pd.Series([A,B,C]) 

0 A
1 B
2 C

系列的第一列是已知指数，即0,1,2 第二列是您的实际数据，即A，B，C

DataFrames是二维对象，可以包含系列，列表，字典

df=pd.DataFrame(rd(5,4),['A','B','C','D','E'],['W','X','Y','Z'])

Answer 4

Series是一维标记的数组，能够保存任何数据类型（整数，字符串，浮点数，Python对象等）。轴标签统称为索引。创建系列的基本方法是调用：

s = pd.Series(data, index=index)

DataFrame是二维标记的数据结构，具有可能不同类型的列。您可以将其视为电子表格或SQL表，或Series对象的字典。

 d = {'one' : pd.Series([1., 2., 3.], index=['a', 'b', 'c']),
 two' : pd.Series([1., 2., 3., 4.], index=['a', 'b', 'c', 'd'])}
 df = pd.DataFrame(d)

Answer 5

导入汽车数据

import pandas as pd

cars = pd.read_csv('cars.csv', index_col = 0)

Here is how the cars.csv file looks.

将“ drives_right”列打印为“系列”：

print(cars.loc[:,"drives_right"])

    US      True
    AUS    False
    JAP    False
    IN     False
    RU      True
    MOR     True
    EG      True
    Name: drives_right, dtype: bool

单括号版本提供Pandas系列，双括号版本提供Pandas DataFrame。

将drives_right列打印为DataFrame

print(cars.loc[:,["drives_right"]])

         drives_right
    US           True
    AUS         False
    JAP         False
    IN          False
    RU           True
    MOR          True
    EG           True

将系列添加到另一个系列会创建一个DataFrame。

Answer 6

DataFrame 通常被描述为

<块引用>

一个二维标记数据结构，其中包含可能不同类型的列。你可以把它想象成一个电子表格或 SQL 表

由于这个定义，我们可以将数据视为单元格，就像在 Excel 电子表格中一样，它具有带有行号的行和带有列标题的列。由于这种简单的观点，底层的数据结构可能有点令人惊讶。

DataFrame 实际上由用于轴标签（行和列标签）的 Index 对象和用于列数据的 Series 对象组成。

Series 对象为每个列数据（保存在一维 numpy.ndarray 中）提供封装，带有行标签和列标签。

因此，单个列 DataFrame 将具有一个用于列数据的底层 Series 对象。

请参阅 DataFrame data structure 以获取具有底层数据结构可视化表示的简单示例。

pandas系列和单列DataFrame有什么区别？

6 个答案: