a=pd.read_csv("train.csv")
假设我的数据集中有一些列，如salary，name，age和id。a.salary、a["salary"]和a[["salary"]]有什么区别？
salary
name
age
id
a.salary
a["salary"]
a[["salary"]]
kupeojn61#
通过使用python的type（）函数，你可以得到
type(a.salary) pandas.core.series.Series type(a['salary']) pandas.core.series.Series type(a[['salary']]) pandas.core.frame.DataFrame
也就是说，前2个具有相同的功能，而3d不同DataFrame和Series obj非常相似，但有些方法和态度不同。主要区别是Series类似于列表，而DataFrame类似于数组。DataFrame实际上有很多系列组合（每列都是一个Series）。明智的做法是将单个列视为Series而不是DataFrame，因为它们没有完全相同的功能。此代码：
a[['salary']] = df['example'].copy()
不会工作，因为a[['salary']]被视为DataFrame，而df['example']被视为Series。同时：
a[['salary']]
df['example']
a['salary'] = df['example'].copy()
将工作，因为您将列'salary'视为Series。
1条答案
按热度按时间kupeojn61#
通过使用python的type（）函数，你可以得到
也就是说，前2个具有相同的功能，而3d不同
DataFrame和Series obj非常相似，但有些方法和态度不同。主要区别是Series类似于列表，而DataFrame类似于数组。DataFrame实际上有很多系列组合（每列都是一个Series）。
明智的做法是将单个列视为Series而不是DataFrame，因为它们没有完全相同的功能。
此代码：
不会工作，因为
a[['salary']]被视为DataFrame，而df['example']被视为Series。同时：
将工作，因为您将列'salary'视为Series。