Quelle est la différence entre une série Pandas et un DataFrame à une seule colonne?

Pourquoi les pandas font-ils une distinction entre une Serieset une colonne unique DataFrame?
En d'autres termes: quelle est la raison d'existence de la Seriesclasse?

J'utilise principalement des séries chronologiques avec un index datetime, cela aide peut-être à définir le contexte.

Citant les documents Pandas

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

Structure de données tabulaire bidimensionnelle modifiable en taille, potentiellement hétérogène, avec des axes étiquetés (lignes et colonnes). Les opérations arithmétiques s'alignent sur les étiquettes de ligne et de colonne. Peut être considéré comme un conteneur de type dict pour les objets Series. La structure de données principale des pandas.

Ainsi, la série est la structure de données pour une seule colonne de aDataFrame , non seulement conceptuellement, mais littéralement, c'est-à-dire que les données de a DataFramesont en fait stockées en mémoire en tant que collection de Series.

De manière analogue: nous avons besoin à la fois de listes et de matrices, car les matrices sont construites avec des listes. Les matricies à une seule ligne, bien qu'équivalentes aux listes en fonctionnalité, ne peuvent toujours pas exister sans la ou les listes dont elles sont composées.

Ils ont tous les deux des API extrêmement similaires, mais vous constaterez que les DataFrameméthodes tiennent toujours compte de la possibilité que vous ayez plus d'une colonne. Et, bien sûr, vous pouvez toujours ajouter un autre Series(ou un objet équivalent) à un DataFrame, tandis que l'ajout d'un Seriesà un autre Seriesimplique la création d'un fichier DataFrame.

extrait du document pandas http://pandas.pydata.org/pandas-docs/stable/dsintro.html Series est un tableau étiqueté unidimensionnel capable de contenir n'importe quel type de données. Pour lire les données sous forme de série panda:

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

DataFrame est une structure de données étiquetée en 2 dimensions avec des colonnes de types potentiellement différents.

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

Dans les deux index ci-dessus se trouve la liste

par exemple: j'ai un fichier csv avec les données suivantes:

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

Pour lire les données ci-dessus sous forme de série et de bloc de données:

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)

production:

>>> d
BR           Brazil
RU           Russia
IN            India

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

production:

>>> df
      area
BR   12015
RU     457
IN  457787

La série est un objet unidimensionnel qui peut contenir n'importe quel type de données tel que des entiers, des flottants et des chaînes, par exemple

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

0 A
1 B
2 C

La première colonne de Series est connue sous le nom d'index, c'est-à-dire 0,1,2 la deuxième colonne correspond à vos données réelles, c'est-à-dire A, B, C

DataFrames est un objet bidimensionnel pouvant contenir des séries, des listes, des dictionnaires

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

Series est un tableau étiqueté unidimensionnel capable de contenir n'importe quel type de données (entiers, chaînes, nombres à virgule flottante, objets Python, etc.). Les étiquettes des axes sont collectivement appelées index. La méthode de base pour créer une série est d'appeler:

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

DataFrame est une structure de données étiquetée en 2 dimensions avec des colonnes de types potentiellement différents. Vous pouvez le considérer comme une feuille de calcul ou une table SQL, ou un dict d'objets 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)

Importer les données des voitures

import pandas as pd

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

Voici à quoi ressemble le fichier cars.csv.

Imprimez la colonne drives_right comme Series:

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

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

La version à support simple donne une série Pandas, la version à support double donne un Pandas DataFrame.

Imprimer la colonne drives_right en tant que DataFrame

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

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

L'ajout d'une série à une autre série crée un DataFrame.