将熊猫数据框转换为系列

Posted 2023-02-23

【中文标题】将熊猫数据框转换为系列

【英文标题】：Convert pandas data frame to series

【发布时间】：2016-01-19 17:02:20

【问题描述】：

我对熊猫有点陌生。我有一个 1 行 x 23 列的 pandas 数据框。

我想把它转换成一个系列？我想知道最pythonic的方法是什么？

我试过pd.Series(myResults)，但它抱怨ValueError: cannot copy sequence with size 23 to array axis with dimension 1。意识到它仍然是数学术语中的“向量”还不够聪明。

谢谢！

【参考方案1】：

意识到它仍然是数学术语中的“向量”还不够聪明。

不如说它足够聪明，可以识别维度上的差异。 :-)

我认为您可以做的最简单的事情是使用iloc 在位置上选择该行，这会为您提供一个系列，其中列作为新索引，值作为值：

>>> df = pd.DataFrame([list(range(5))], columns=["a".format(i) for i in range(5)])
>>> df
   a0  a1  a2  a3  a4
0   0   1   2   3   4
>>> df.iloc[0]
a0    0
a1    1
a2    2
a3    3
a4    4
Name: 0, dtype: int64
>>> type(_)
<class 'pandas.core.series.Series'>

【讨论】：

或者，另一种方式：df.T

@ako: df.T 不会产生一个系列，但只是一个转置的数据帧。

@DSM。没错，df.T.iloc[0]

使用df.iloc 的唯一问题是，如果您有一个空的df，这将引发IndexError。为避免这种情况，在转置 df 后，请使用 df.squeeze 方法。参考。到pandas.pydata.org/pandas-docs/stable/reference/api/…

【参考方案2】：

您可以使用以下两种方法之一通过对数据框进行切片来检索系列：

http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.iloc.html http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.loc.html

import pandas as pd
import numpy as np
df = pd.DataFrame(data=np.random.randn(1,8))

series1=df.iloc[0,:]
type(series1)
pandas.core.series.Series

【参考方案3】：

您可以转置单行数据帧（仍会生成数据帧），然后将squeeze 的结果转换为系列（to_frame 的倒数）。

df = pd.DataFrame([list(range(5))], columns=["a".format(i) for i in range(5)])

>>> df.squeeze(axis=0)
a0    0
a1    1
a2    2
a3    3
a4    4
Name: 0, dtype: int64

注意：为了适应@IanS 提出的观点（即使它不在 OP 的问题中），请测试数据框的大小。我假设df 是一个数据框，但边缘情况是一个空数据框、一个形状为 (1, 1) 的数据框和一个具有多行的数据框，在这种情况下，使用应该实现其所需的功能。

if df.empty:
    # Empty dataframe, so convert to empty Series.
    result = pd.Series()
elif df.shape == (1, 1)
    # DataFrame with one value, so convert to series with appropriate index.
    result = pd.Series(df.iat[0, 0], index=df.columns)
elif len(df) == 1:
    # Convert to series per OP's question.
    result = df.T.squeeze()
else:
    # Dataframe with multiple rows.  Implement desired behavior.
    pass

这也可以按照@themachinist 提供的答案进行简化。

if len(df) > 1:
    # Dataframe with multiple rows.  Implement desired behavior.
    pass
else:
    result = pd.Series() if df.empty else df.iloc[0, :]

【讨论】：

请注意，我在使用 squeeze 时遇到了一个小问题。对于形状为(1, 1) 的数据框，它将返回的不是一系列长度为 1 的数据，而是一个 numpy 标量。这导致在对长度未知的对象（例如，groupby）使用 squeeze 时难以发现错误。

"谢谢！当 df.iloc[:,0] 和 df.ix[:,0] 都产生了太多索引错误时，df.squeeze() 起作用了"

为什么to_frame 的倒数不是to_series 或pd.Series(df) ...？

你不需要.T

@IanS 传递参数 df.squeeze(axis=0) 或 df.squeeze(axis=1)（取决于您要保存的轴）以避免这种情况

【参考方案4】：

另一种方式-

假设 myResult 是包含 1 列和 23 行形式的数据的数据帧

# label your columns by passing a list of names
myResult.columns = ['firstCol']

# fetch the column in this way, which will return you a series
myResult = myResult['firstCol']

print(type(myResult))

以类似的方式，您可以从 Dataframe 中获取具有多列的系列。

【参考方案5】：

data = pd.DataFrame("a":[1,2,3,34],"b":[5,6,7,8])
new_data = pd.melt(data)
new_data.set_index("variable", inplace=True)

这给出了一个数据框，其索引作为数据的列名，所有数据都存在于“值”列中

【讨论】：

欢迎来到 Stack Overflow！这如何回答这个问题？您的代码不会像问题所要求的那样返回系列

【参考方案6】：

你也可以使用stack()

df= DataFrame([list(range(5))], columns = [“a”.format(I) for I in range(5)])

你运行df之后，然后运行：

df.stack()

你获得你的数据帧系列

【讨论】：

stack() 是唯一足够强大的解决方案，不会返回单个元素而不是预期的单个列...

【参考方案7】：

如果您有一个单列数据框 df，则可以将其转换为系列：

df.iloc[:,0]  # pandas Series

由于您有一个单行数据框df，因此您可以将其转置为前一种情况：

df.T.iloc[:,0]