在pandas中，[]和[[]]有什么区别？

Question

我对pandas中索引列的结果感到困惑。

两者

db['varname']

和

db[['varname']]

请给我“varname”列的值。不过似乎有一些细微差别，因为db['varname']的输出结果显示了值的类型。

- elong

Answer 1

第一个函数在您的df中查找特定的Key，即特定的列，第二个函数是要从df中选择的列的列表，因此它将返回与列表中的值匹配的所有列。

另一个微妙之处在于，即使您传递了只包含一个项目的列表，第一个函数默认情况下也会返回一个Series对象，而第二个函数则返回一个DataFrame。

例子：

In [2]:
df = pd.DataFrame(columns=['VarName','Another','me too'])
df

Out[2]:
Empty DataFrame
Columns: [VarName, Another, me too]
Index: []

In [3]:    
print(type(df['VarName']))
print(type(df[['VarName']]))

<class 'pandas.core.series.Series'>
<class 'pandas.core.frame.DataFrame'>

当你传递一个列表时，它会尝试匹配所有的元素:

In [4]:
df[['VarName','Another']]

Out[4]:
Empty DataFrame
Columns: [VarName, Another]
Index: []

如果没有额外的[]，那么就会引发KeyError：

df['VarName','Another']

KeyError: ('VarName', 'Another')

因为您正在尝试查找名为：'VarName'，'Another' 的列，但该列不存在

- EdChum

Answer 2

这与另一个问题非常相似，我从中获得了答案：https://dev59.com/uFcO5IYBdhLWcg3wzEuf#45201532，感谢 @SethMMorton。

我在这里回答，因为这是谷歌搜索的热门结果，而且我花费很长时间才理解这个问题。 Pandas根本没有[[运算符。

当你看到df[['col_name']]时，你实际上看到的是：

col_names = ['col_name']
df[col_names]

因此，[[ 唯一的作用是将结果变成 DataFrame，而不是 Series。

在 DataFrame 上使用 [ 时会查看参数的类型；如果是标量，则只返回一个列并将其作为 Series 返回；如果是列表，则返回包含这些列的 DataFrame。

就是这样！

- dsz

Answer 3

In [84]: single_brackets  = np.array( [ 0, 13, 31, 1313 ] )         
In [85]: single_brackets.shape, single_brackets.ndim
Out[85]: ((4,), 1)
         # (4, ) : is 4-Elements/Values
         # 1 : is One_Dimensional array (Generally...In Pandas we call 1D-Array as "SERIES")

In [86]: double_brackets = np.array( [[ 0, 13, 31, 1313 ]] )
In [87]: double_brackets.shape, double_brackets.ndim
Out[87]: ((1, 4), 2)
         #(1, 4) : is 1-row and 4-columns 
         # 2 : is Two_Dimensional array (Generally...In Pandas we call 2D-Array as "DataFrame")

这是NumPy的概念...不要怪Pandas

• [ ] -> 一维数组，产生SERIES
• [[ ]] -> 二维数组，产生DataFrame

仍然不相信吗？看看这个：

In [89]: three_brackets = np.array( [[[ 0, 13, 31, 1313 ]]] )
In [93]: three_brackets.shape, three_brackets.ndim
Out[93]: ((1, 1, 4), 3)
         # (1, 1, 4) -> In general....(rows, rows, columns)
         # 3 -> Three_Dimensional array 

工作在创建一些NumPy数组，使用“reshape”命令并检查“ndim”属性。

- mangal pavan

Answer 4

正如@EdChum所指出的那样，[]将返回pandas.core.series.Series，而[[]]将返回pandas.core.frame.DataFrame。两者在pandas中是不同的数据结构。

- JKC

Answer 5

对于sklearn来说，最好使用db[['varname']]，它具有2D形状。

例如：

from sklearn.preprocessing import  KBinsDiscretizer kbinsDiscretizer  

est = KBinsDiscretizer(n_bins=3, encode='onehot-dense', strategy='uniform') 
est.fit(db[['varname']]) # where use dfb['varname'] causes error

- Alice Smith