Sự khác biệt giữa Sê-ri gấu trúc và Khung dữ liệu một cột là gì?

Tại sao gấu trúc tạo ra sự khác biệt giữa một Seriesvà một cột đơn DataFrame?
Nói cách khác: lý do tồn tại của Serieslớp là gì?

Tôi chủ yếu sử dụng chuỗi thời gian với chỉ số datetime, có lẽ điều đó giúp đặt bối cảnh.

Trích dẫn tài liệu của Pandas

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

Cấu trúc dữ liệu dạng bảng có thể thay đổi kích thước hai chiều, có khả năng không đồng nhất với các trục có nhãn (hàng và cột). Các phép toán số học căn chỉnh trên cả nhãn hàng và cột. Có thể được coi là một thùng chứa giống như chính tả cho các đối tượng Sê-ri. Cấu trúc dữ liệu gấu trúc chính.

Vì vậy, Sê-ri là cấu trúc dữ liệu cho một cột duy nhấtDataFrame , không chỉ về mặt khái niệm, mà theo nghĩa đen, tức là dữ liệu trong a DataFramethực sự được lưu trữ trong bộ nhớ dưới dạng tập hợp Series.

Tương tự: Chúng ta cần cả danh sách và ma trận, vì ma trận được xây dựng với danh sách. Ma trận hàng đơn, trong khi tương đương với danh sách trong chức năng vẫn không thể tồn tại mà không có (các) danh sách chúng được tạo thành.

Cả hai đều có các API cực kỳ giống nhau, nhưng bạn sẽ thấy rằng DataFramecác phương thức luôn phục vụ cho khả năng bạn có nhiều hơn một cột. Và, tất nhiên, bạn luôn có thể thêm một Seriesđối tượng khác (hoặc đối tượng tương đương) vào a DataFrame, trong khi thêm một Seriesđối tượng khác Seriesliên quan đến việc tạo một DataFrame.

từ doc pandas http://pandas.pydata.org/pandas-docs/urdy/dsintro.html Sê-ri là một mảng được dán nhãn một chiều có khả năng chứa bất kỳ loại dữ liệu nào. Để đọc dữ liệu dưới dạng loạt gấu trúc:

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

DataFrame là cấu trúc dữ liệu được gắn nhãn 2 chiều với các cột có khả năng khác nhau.

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

Trong cả hai chỉ số trên là danh sách

ví dụ: Tôi có tệp csv với dữ liệu sau:

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

Để đọc dữ liệu trên dưới dạng chuỗi và khung dữ liệu:

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)

đầu ra:

>>> d
BR           Brazil
RU           Russia
IN            India

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

đầu ra:

>>> df
      area
BR   12015
RU     457
IN  457787

Sê-ri là một đối tượng một chiều có thể chứa bất kỳ loại dữ liệu nào, chẳng hạn như số nguyên, số float và chuỗi, ví dụ

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

0 A
1 B
2 C

Cột đầu tiên của Sê-ri được gọi là chỉ mục tức là 0,1,2 cột thứ hai là dữ liệu thực tế của bạn, tức là A, B, C

DataFrames là đối tượng hai chiều có thể chứa chuỗi, danh sách, từ điển

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

Sê-ri là mảng có nhãn một chiều có khả năng chứa bất kỳ loại dữ liệu nào (số nguyên, chuỗi, số dấu phẩy động, đối tượng Python, v.v.). Các nhãn trục được gọi chung là chỉ mục. Phương pháp cơ bản để tạo Sê-ri là gọi:

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

DataFrame là cấu trúc dữ liệu được gắn nhãn 2 chiều với các cột có khả năng khác nhau. Bạn có thể nghĩ về nó giống như một bảng tính hoặc bảng SQL hoặc một lệnh của các đối tượng Sê-ri.

 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)

Nhập dữ liệu ô tô

import pandas as pd

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

Đây là cách tập tin Cars.csv trông.

In ra các ổ drive_right dưới dạng Sê-ri:

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

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

Phiên bản khung đơn cung cấp cho Pandas Series, phiên bản khung đôi cung cấp cho Pandas DataFrame.

In ra các ổ drive_right dưới dạng DataFrame

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

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

Thêm một Series vào một Series khác sẽ tạo ra một DataFrame.