pandas系列和单列DataFrame有什么区别？

为何熊猫区分a Series和单栏DataFrame？
换句话说：Series该类存在的原因是什么？

我主要使用带有datetime索引的时间序列，也许这有助于设置上下文。

引用熊猫文档

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

具有标注轴（行和列）的二维大小可变的，可能是异构的表格数据结构。算术运算在行和列标签上对齐。可以看作是Series对象的类似dict的容器。大熊猫的主要数据结构。

因此，系列是a的单个列的数据结构DataFrame，不仅在概念上，而且从字面上看，即a中的数据DataFrame实际上都作为的集合存储在内存中Series。

类似地：我们需要列表和矩阵，因为矩阵是用列表构建的。单行矩阵虽然在功能上等同于列表，但没有它们组成的列表仍然不存在。

它们都具有极其相似的API，但是您会发现DataFrame方法始终可以满足您拥有不止一列的可能性。并且，当然，您总是可以向添加另一个Series（或等效对象）DataFrame，而向添加Series另一个Series涉及创建DataFrame。

来自pandas doc，网址 为http://pandas.pydata.org/pandas-docs/stable/dsintro.html。Series是一维标记的数组，能够保存任何数据类型。以熊猫系列的形式读取数据：

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

DataFrame是二维标记的数据结构，具有可能不同类型的列。

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

在以上两个索引中都是列表

例如：我有一个csv文件，其中包含以下数据：

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

要读取以上数据作为序列和数据框：

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)

输出：

>>> d
BR           Brazil
RU           Russia
IN            India

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

输出：

>>> df
      area
BR   12015
RU     457
IN  457787

系列是一维对象，可以保存任何数据类型，例如整数，浮点数和字符串，例如

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

0 A
1 B
2 C

系列的第一列称为索引，即0,1,2，第二列是您的实际数据，即A，B，C

DataFrames是二维对象，可以容纳序列，列表，字典

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

系列是一维标记的数组，能够保存任何数据类型（整数，字符串，浮点数，Python对象等）。轴标签统称为索引。创建系列的基本方法是调用：

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

DataFrame是二维标记的数据结构，具有可能不同类型的列。您可以将其视为电子表格或SQL表，或Series对象的字典。

 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)

导入汽车数据

import pandas as pd

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

这是cars.csv文件的外观。

打印出drive_right列为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

单括号版本提供Pandas系列，双括号版本提供Pandas DataFrame。

打印出drive_right列作为DataFrame

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

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

将一个系列添加到另一个系列会创建一个DataFrame。