Was ist der Unterschied zwischen einer Pandas-Serie und einem einspaltigen DataFrame?

Warum unterscheiden Pandas zwischen einer Seriesund einer einzelnen Spalte DataFrame?
Mit anderen Worten: Was ist der Grund für die Existenz der SeriesKlasse?

Ich verwende hauptsächlich Zeitreihen mit Datum / Uhrzeit-Index. Vielleicht hilft das, den Kontext festzulegen.

Zitieren der Pandas-Dokumente

pandas.DataFrame(data=None, index=None, columns=None, dtype=None, copy=False)

Zweidimensionale größenveränderliche, möglicherweise heterogene tabellarische Datenstruktur mit beschrifteten Achsen (Zeilen und Spalten). Arithmetische Operationen werden sowohl auf Zeilen- als auch auf Spaltenbeschriftungen ausgerichtet. Kann als diktatartiger Container für Serienobjekte betrachtet werden. Die primäre Pandas-Datenstruktur.

Die Serie ist also die Datenstruktur für eine einzelne Spalte von aDataFrame , nicht nur konzeptionell, sondern wörtlich, dh die Daten in a DataFramewerden tatsächlich als Sammlung von im Speicher gespeichert Series.

Analog: Wir brauchen sowohl Listen als auch Matrizen, weil Matrizen mit Listen erstellt werden. Einzeilige Matrizen sind zwar gleichbedeutend mit Listen in der Funktionalität, können jedoch ohne die Liste (n), aus denen sie bestehen, nicht existieren.

Beide haben extrem ähnliche APIs, aber Sie werden feststellen, dass DataFrameMethoden immer die Möglichkeit berücksichtigen, dass Sie mehr als eine Spalte haben. Und natürlich können Sie einem jederzeit ein anderes Series(oder ein gleichwertiges Objekt) DataFramehinzufügen, während das Hinzufügen eines Serieszu einem anderen Seriesdas Erstellen eines DataFrame.

aus dem Pandas-Dokument http://pandas.pydata.org/pandas-docs/stable/dsintro.html Die Serie ist ein eindimensional beschriftetes Array, das jeden Datentyp aufnehmen kann. So lesen Sie Daten in Form von Panda-Serien:

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

DataFrame ist eine zweidimensional beschriftete Datenstruktur mit Spalten potenziell unterschiedlicher Typen.

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

In beiden oben genannten Index ist Liste

Zum Beispiel: Ich habe eine CSV-Datei mit folgenden Daten:

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

So lesen Sie die obigen Daten als Serie und Datenrahmen:

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)

Ausgabe:

>>> d
BR           Brazil
RU           Russia
IN            India

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

Ausgabe:

>>> df
      area
BR   12015
RU     457
IN  457787

Serie ist ein eindimensionales Objekt, das jeden Datentyp wie Ganzzahlen, Gleitkommazahlen und Zeichenfolgen enthalten kann, z

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

0 A
1 B
2 C

Die erste Spalte der Serie ist als Index bekannt, dh 0,1,2. Die zweite Spalte enthält Ihre tatsächlichen Daten, dh A, B, C.

DataFrames ist ein zweidimensionales Objekt, das Serien, Listen und Wörterbücher enthalten kann

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

Series ist ein eindimensional beschriftetes Array, das jeden Datentyp (Ganzzahlen, Zeichenfolgen, Gleitkommazahlen, Python-Objekte usw.) enthalten kann. Die Achsenbeschriftungen werden zusammen als Index bezeichnet. Die grundlegende Methode zum Erstellen einer Serie besteht darin, Folgendes aufzurufen:

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

DataFrame ist eine zweidimensional beschriftete Datenstruktur mit Spalten potenziell unterschiedlicher Typen. Sie können sich das wie eine Tabelle, eine SQL-Tabelle oder ein Diktat von Serienobjekten vorstellen.

 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)

Autodaten importieren

import pandas as pd

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

So sieht die Datei cars.csv aus.

Drucken Sie die Spalte drive_right als Serie aus:

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

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

Die Single-Bracket-Version bietet eine Pandas-Serie, die Double-Bracket-Version einen Pandas DataFrame.

Drucken Sie die Spalte drive_right als DataFrame aus

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

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

Durch Hinzufügen einer Serie zu einer anderen Serie wird ein DataFrame erstellt.