Qual é a diferença entre uma série de pandas e um DataFrame de coluna única?

Por que os pandas fazem uma distinção entre uma Seriese uma coluna DataFrame?
Em outras palavras: qual é a razão de existência da Seriesclasse?

Estou usando principalmente séries temporais com índice de data e hora, talvez isso ajude a definir o contexto.

Citando os documentos do Pandas

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

Estrutura de dados tabular bidimensional, mutável em tamanho e potencialmente heterogênea, com eixos rotulados (linhas e colunas). As operações aritméticas são alinhadas nos rótulos de linha e coluna. Pode ser pensado como um contêiner do tipo ditado para objetos da série. A estrutura de dados principal dos pandas.

Portanto, a série é a estrutura de dados para uma única coluna de aDataFrame , não apenas conceitualmente, mas literalmente, ou seja, os dados em a DataFramesão realmente armazenados na memória como uma coleção de Series.

Analogamente: precisamos de listas e matrizes, porque as matrizes são construídas com listas. Matrizes de linha única, embora equivalentes a listas na funcionalidade ainda não possam existir sem a (s) lista (s) da qual são compostas.

Ambos têm APIs extremamente semelhantes, mas você descobrirá que os DataFramemétodos sempre atendem à possibilidade de você ter mais de uma coluna. E, é claro, você sempre pode adicionar outro Series(ou objeto equivalente) a a DataFrame, enquanto a adição de um Seriesa outro Seriesenvolve a criação de um DataFrame.

do pandas doc http://pandas.pydata.org/pandas-docs/stable/dsintro.html Series é um array rotulado unidimensional capaz de armazenar qualquer tipo de dados. Para ler dados em forma de panda Series:

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

DataFrame é uma estrutura de dados rotulada bidimensional com colunas de tipos potencialmente diferentes.

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

Em ambos os índices acima está a lista

por exemplo: eu tenho um arquivo csv com os seguintes dados:

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

Para ler os dados acima como séries e quadro de dados:

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)

resultado:

>>> d
BR           Brazil
RU           Russia
IN            India

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

resultado:

>>> df
      area
BR   12015
RU     457
IN  457787

Series é um objeto unidimensional que pode conter qualquer tipo de dados, como números inteiros, flutuantes e strings, por exemplo

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

0 A
1 B
2 C

A primeira coluna da série é conhecida como índice, ou seja, 0,1,2 a segunda coluna é seus dados reais, ou seja, A, B, C

DataFrames é um objeto bidimensional que pode conter séries, listas, dicionários

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

Series é um array rotulado unidimensional capaz de armazenar qualquer tipo de dados (números inteiros, seqüências de caracteres, números de ponto flutuante, objetos Python, etc.). Os rótulos dos eixos são chamados coletivamente de índice. O método básico para criar uma série é chamar:

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

DataFrame é uma estrutura de dados rotulada bidimensional com colunas de tipos potencialmente diferentes. Você pode pensar nisso como uma planilha ou tabela SQL ou um ditado para objetos Series.

 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)

Importar dados de carros

import pandas as pd

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

Aqui está a aparência do arquivo cars.csv.

Imprima a coluna drives_right como Série:

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

    US      True
    AUS    False
    JAP    False
    IN     False
    RU      True
    MOR     True
    EG      True
    Name: drives_right, dtype: bool

A versão de suporte único fornece uma Série Pandas, a versão de suporte duplo fornece um DataFrame do Pandas.

Imprimir coluna drives_right como DataFrame

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

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

Adicionar uma série a outra série cria um DataFrame.