为什么 Pandas 将 DataFrame 的一行（或一列）转换为一个系列？答案

【问题标题】：Why Does Pandas Convert One Row (or Column) of a DataFrame to a Series?为什么 Pandas 将 DataFrame 的一行（或一列）转换为一个系列？
【发布时间】：2021-07-27 23:45:41
【问题描述】：

上下文：我将我认为是 DataFrame df.iloc[n] 的内容传递给函数。感谢dialogue here，我发现这是导致错误的原因，因为 Pandas 会自动将数据帧中的单行或列转换为系列，并且可以通过使用 df.iloc[[n]] 而不是 df.iloc[n] 轻松解决。

问题：我的问题是为什么Pandas 会这样做？使用 Series 而不是 DataFrames 是否有一些性能优势？这种自动转换为系列的原因是什么？

【问题讨论】：

这就像问为什么索引二维数组会将其转换为一维数组。它不会将其转换为系列，数据框的行在逻辑上是系列，而不是数据框。从技术上讲，这是df.iloc[n] 的(c,) 和df.iloc[[n]] 的(1, c) 形状之间的区别，其中c 是多个列。
我认为你说的不太对：type(df.iloc[n]) 是一个系列，而type(df.iloc[[n]]) 是一个数据帧。这不仅仅是维度：我可以调用df.iloc[[n]].columns，而df.iloc[n].columns 会引发错误。这里有真正的功能变化，而不仅仅是维度变化。我的问题是为什么 Pandas 会努力改变这个功能？这一定是有原因的。那是什么原因？谢谢！

标签： python pandas performance

【解决方案1】：

根据 Pandas 文档Why more than one data structure?

考虑 pandas 数据结构的最佳方式是将其作为低维数据的灵活容器。例如，DataFrame 是 Series 的容器，Series 是标量的容器。我们希望能够以类似字典的方式在这些容器中插入和删除对象。

因此，这里没有发生转换，而是检索具有不同属性/方法的对象。

【讨论】：

这很完美，谢谢：“...正在检索具有不同属性/方法的对象”正是我需要的洞察力。