为啥我的 pandas DataFrame 列也是 Dataframes，而不是 Series？

Posted 2023-03-11

【中文标题】为啥我的 pandas DataFrame 列也是 Dataframes，而不是 Series？

【英文标题】：Why are my pandas DataFrame columns Dataframes too, not Series?为什么我的 pandas DataFrame 列也是 Dataframes，而不是 Series？

【发布时间】：2019-06-02 19:11:37

【问题描述】：

最后更新 最后更新 2

我从这里读到： get list from pandas dataframe column

Pandas DataFrame 列在拉出时是 Pandas Series

但在我的情况下这不是真的：

第一部分（构建 DataFrame 读取 json 抓取） 因为它包含业务信息，所以我无法显示完整的代码，但基本上它读取一行数据（存储在 Series 中）并附加在 DataFrame 的末尾。

dfToWrite = pandas.DataFrame(columns=[lsHeader]) # Empty with column headers
for row in jsAdtoolJSON['rows']:
    lsRow = []
    for col in row['row']:
        lsRow.append((col['primary'])['value'])
    dfRow = pandas.Series(lsRow, index = dfToWrite.columns)
dfToWrite = dfToWrite.append(dfRow, ignore_index = True)

下一部分（检查类型）：（请忽略函数的功能）

def CalcMA(df: pandas.DataFrame, target: str, period: int, maname: str):
    print(type(df[target]))

最后调用函数：（“Raw_Impressions”是列标题）

CalcMA(dfToWrite, "Raw_Impressions", 5, "ImpMA5")

Python 控制台显示：

类'pandas.core.frame.DataFrame'

附加问题：如果不是系列，如何从数据框列中获取列表（在这种情况下我可以使用tolist()）？

更新 1 从这里： Bokeh: AttributeError: 'DataFrame' object has no attribute 'tolist'

我发现我需要使用.value.tolist()，但它仍然无法解释为什么当我拉出一列时我得到的是另一个数据框，而不是一个系列。

更新 2 发现df有MultiIndex，很惊讶：

MultiIndex(levels=[['COST_/CPM', 'CTR', 'ECPM/_ROI', 'Goal_Ratio', 'Hour_of_the_Day', 'IMP./Joins', 'Raw_Clicks_/ _Unique_Clicks'、'Raw_Impressions'、'Unique_Goal_/_UniqueGoal_Forecasted_Value']]、 标签=[[4, 7, 5, 6, 1, 8, 3, 0, 2]])

打印出 df / 写入 .csv 时，我看不到 labels，它只是一个普通的 DataFrame。不知道我从哪里得到的标签。

【参考方案1】：

我认为你有重复的列名，所以如果要选择Series 获取DataFrame：

df = pd.DataFrame([[1,2],[4,5], [7,8]], index=list('aab')).T
print (df)
   a  a  b
0  1  4  7
1  2  5  8

print (df['a'])
   a  a
0  1  4
1  2  5

print (type(df['a']))
<class 'pandas.core.frame.DataFrame'>

print (df['b'])
0    7
1    8
Name: b, dtype: int64

print (type(df['b']))
<class 'pandas.core.series.Series'>

编辑：

这是另一个问题，一级MultiIndex，解决方案是将一级重新分配给get_level_values的列：

mux = pd.MultiIndex([['COST_/CPM', 'CTR', 'ECPM/_ROI', 'Goal_Ratio', 'Hour_of_the_Day', 
                      'IMP./Joins',  'Raw_Clicks_/_Unique_Clicks', 'Raw_Impressions',
                      'Unique_Goal_/_UniqueGoal_Forecasted_Value']], 
labels=[[4, 7, 5, 6, 1, 8, 3, 0, 2]])

df = pd.DataFrame([range(9)], columns=mux)
print (type(df['CTR']))
<class 'pandas.core.frame.DataFrame'>

df.columns = df.columns.get_level_values(0)
print (type(df['CTR']))
<class 'pandas.core.series.Series'>

【讨论】：

谢谢@jezrael，刚刚打印出列，发现实际上我有一个MultiIndex，它会导致问题吗？ （levels 没有重复）这很奇怪，因为当我 print(df) 它没有显示任何标签。我会用标签更新问题。

@NicholasHumphrey - 是的，如果 MultiIndex 则意味着第一级重复:)

@NicholasHumphrey - 为您的情况添加了解决方案。

谢谢！我会在早上看看，但我认为它会工作。现在下一步就是追查MultiIndex的来源...

@NicholasHumphrey - 是的，这种错误非常令人不快，尤其是因为在打印 DataFrame 时没有看到。

【参考方案2】：

pandas.core.frame.DataFrame 的每个实例基本上都是一个数组，因此如果您要获取此类型，则可以通过调用 df.columns 来获取每一列（如果该列是一维的，则类型为 pandas.core.series.Series）。

df.columns 将为您提供一个可迭代对象，您可以循环访问该对象以获取每一行的值。

您可能还想查看pandas.read_json 或其他类似的包，以便将json 直接放入可能更易于管理的pandas 对象中

【讨论】：

感谢@NiallJG 我设法使用df(target).values.tolist() 从列中获取列表。但它仍然让我感到困惑为什么df(target)，其中target 只是一个字符串，不代表Series

@jezrael 的回答表明可能有重复的列，尝试运行 print(df.columns) 并查看列标题的名称，可能有两个相同的字符串

谢谢，我发现有multiindex，我会检查以前的代码找到它的来源。