为什么我得到只有一列 vs 系列的 Pandas 数据框？

Question

我已经多次注意到单列数据框，这让我非常懊恼（下面的示例）；但在大多数其他情况下，单列数据框只是一个系列。关于为什么会返回一列 DF 是否有任何押韵或原因？

例子：

1) 当通过布尔掩码索引列且掩码只有一个真值时：

df = pd.DataFrame([list('abc'), list('def')], columns = ['foo', 'bar', 'tar'])
mask = [False, True, False]
type(df.ix[:,mask])

2) 当在只有两列的DataFrame上设置索引时：

df = pd.DataFrame([list('ab'), list('de'), list('fg')], columns = ['foo', 'bar']
type(df.set_index('foo'))

我觉得如果我期待一个只有一列的 DF，我可以通过调用来处理它

pd.Series(df.values().ravel(), index = df.index)

但在大多数其他情况下，单列数据框只是一个系列。关于为什么会返回一列 DF 是否有任何押韵或原因？

Answer 1

一般来说，当操作可以返回多列DataFrame时，会返回一列DataFrame。例如，当您使用布尔列索引时，如果有多个 True 值，则必须返回多列 DataFrame，因此始终会返回 DataFrame，即使它只有一列。同样，在设置索引时，如果您的 DataFrame 有两列以上，则在为索引删除一列后，结果仍然必须是 DataFrame，因此即使只剩下一列，它仍然是 DataFrame。

相比之下，如果您执行df.ix[:,'col'] 之类的操作，它会返回一个系列，因为传递一个列名来选择是不可能选择多个列的。

这个想法是，执行操作有时不应返回 DataFrame，有时不应返回基于操作数特定特征的 Series（即，它们碰巧有多少列，布尔掩码中有多少值为 True）。当您执行df.set_index('col') 时，如果您知道您将始终获得一个 DataFrame，那么就更简单了，而不必担心原来的列有多少。

请注意，还有 DataFrame 方法 .squeeze() 用于将单列 DataFrame 转换为 Series。