Pandas pd.series 返回一个数据框

Question

我想问一个关于熊猫系列的问题。

我正在阅读 O'Reilly 出版物关于数据科学的 Python 一书，并且正在阅读 Pandas。

考虑以下代码：

frame = pd.DataFrame(np.random.randn(4,3), columns=list('bde'),
                index=['Utah', 'Ohio', 'Texas', 'Oregon'])

此代码提供以下结果。

        b        d         e
Utah    -0.81    0.43      -0.50
Ohio    1.67     -0.67     1.30
Texas   0.53     -0.32     0.80
Oregon  0.25     0.91      0.70    

为方便起见，所有值都手动表示为 3 dp。

现在，我了解到函数也可以返回具有多个值的系列：

def f(x):
    return pd.Series([x.min(), x.max()], index=['min', 'max'])

正如文献所述：

许多最常见的数组统计信息（如 sum 和 mean）都是 DataFrame 方法，因此没有必要使用 apply。 传递给 apply 的 function 不需要返回标量值； 它还可以返回具有多个值的系列。

并运行以下代码

frame.apply(f)

产生以下结果：

        b        d        e
min     -0.82    -0.67    -0.50
max     1.67     0.91     1.30

此代码有效。

但是，我在这里很困惑。

我认为一个系列应该只是一维的，即伪单列数据结构只有每个对应元素的索引。

例如

 >>> s = pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])

 >>> s

a    0.469112
b   -0.282863
c   -1.509059
d   -1.135632
e    1.212112
dtype: float64

然而，function 的结果似乎是一系列二维性质的，这对我来说没有意义。

function 是如何出现的，以制作一系列具有二维性质的作品？

有趣的是，做

type(frame.applymap(format))

回报

pandas.core.frame.DataFrame

我不知道为什么会这样。

Answer 1

Pandas 系列是某种类型的一维数组。 DataFrame 是一个二维数组，其中每一列都是一个系列，它们可以有不同的类型。

但是，您可能缺少的部分是“类型”可以是通用的 Python object ，它是对任何 object 的引用。例如：

pd.Series([[1,2],[3,4]])

给你：

0    [1, 2]
1    [3, 4]
dtype: object

这是 Python 列表的一维数组（甚至不必具有统一长度）。

在 Pandas（或 NumPy）中使用object dtype 通常不是最佳选择，应尽可能避免。 在上面的示例中，您可以将Series替换为DataFrame以获得更优化的表示。 object是次优的，因为 Pandas 本身并不理解其中的大部分内容，因此必须使用 Python 解释器对数组中的每个值进行任何操作，而不是像 dtype 为int或一些其他类型 Pandas 本机理解。