В чем разница между сериями панд и DataFrame с одним столбцом?

Почему панды делают различие между Seriesи одной колонкой DataFrame?
Другими словами: в чем причина существования Seriesкласса?

Я в основном использую временные ряды с указателем даты и времени, может быть, это помогает установить контекст.

Цитирование документов панд

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

Двумерная изменяемая по размеру, потенциально неоднородная структура табличных данных с помеченными осями (строки и столбцы). Арифметические операции выравнивают метки строк и столбцов. Может рассматриваться как контейнер, похожий на диктовку, для объектов Series. Основная структура данных панд.

Таким образом, Series - это структура данных для одного столбцаDataFrame , не только концептуально, но и буквально, то есть данные в A DataFrameфактически сохраняются в памяти как набор Series.

Аналогично: нам нужны и списки, и матрицы, потому что матрицы построены из списков. Однострочные матрицы, хотя их функциональные списки по-прежнему не могут существовать без списков, из которых они состоят.

Они оба имеют очень похожие API, но вы обнаружите, что DataFrameметоды всегда учитывают вероятность того, что у вас есть более одного столбца. И, конечно же, вы всегда можете добавить другой Series(или эквивалентный объект) в a DataFrame, в то время как добавление a Seriesк другому Seriesпредполагает создание a DataFrame.

из документа pandas http://pandas.pydata.org/pandas-docs/stable/dsintro.html Серия представляет собой одномерный помеченный массив, способный содержать любой тип данных. Чтобы прочитать данные в виде серии панда:

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

DataFrame - это двумерная помеченная структура данных со столбцами потенциально разных типов.

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

В обоих вышеперечисленных индексах есть список

например: у меня есть CSV-файл со следующими данными:

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

Чтобы прочитать вышеуказанные данные как ряд и фрейм данных:

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)

вывод:

>>> d
BR           Brazil
RU           Russia
IN            India

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

вывод:

>>> df
      area
BR   12015
RU     457
IN  457787

Серия - это одномерный объект, который может содержать любой тип данных, например целые числа, числа с плавающей запятой и строки, например

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

0 A
1 B
2 C

Первый столбец Series называется индексом, т.е. 0,1,2, второй столбец - ваши фактические данные, т. Е. A, B, C.

DataFrames - это двумерный объект, который может содержать ряд, список, словарь

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

Ряды - это одномерный помеченный массив, способный содержать любой тип данных (целые числа, строки, числа с плавающей запятой, объекты Python и т. Д.). Метки осей в совокупности называются индексом. Основной метод для создания Серии - это вызов:

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

DataFrame - это двумерная помеченная структура данных со столбцами потенциально разных типов. Вы можете думать об этом как о электронной таблице или таблице SQL, или как о множестве объектов Series.

 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)

Импорт данных автомобилей

import pandas as pd

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

Вот как выглядит файл cars.csv.

Распечатать колонку drive_right в виде серии:

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

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

Версия с одной скобкой дает серию Pandas, версия с двумя скобками - рамку данных Pandas.

Распечатайте колонку drive_right как DataFrame

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

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

Добавление серии в другую серию создает DataFrame.