¿Cuál es la diferencia entre una serie de pandas y un DataFrame de columna única?

¿Por qué los pandas hacen una distinción entre ay Seriesuna sola columna DataFrame?
En otras palabras: ¿cuál es la razón de la existencia de la Seriesclase?

Principalmente estoy usando series de tiempo con índice de fecha y hora, tal vez eso ayude a establecer el contexto.

Citando los documentos de Pandas

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

Estructura de datos tabulares bidimensionales de tamaño variable y potencialmente heterogénea con ejes etiquetados (filas y columnas). Las operaciones aritméticas se alinean en las etiquetas de fila y columna. Puede considerarse como un contenedor tipo dict para objetos de la serie. La estructura de datos primaria de los pandas.

Entonces, la Serie es la estructura de datos para una sola columna de aDataFrame , no solo conceptualmente, sino literalmente, es decir, los datos en a DataFramese almacenan realmente en la memoria como una colección de Series.

Análogamente: necesitamos listas y matrices, porque las matrices se construyen con listas. Las matrices de una sola fila, aunque son equivalentes a las listas en funcionalidad, todavía no pueden existir sin las listas de las que están compuestas.

Ambos tienen API extremadamente similares, pero encontrará que los DataFramemétodos siempre atienden a la posibilidad de que tenga más de una columna. Y, por supuesto, siempre puede agregar otro Series(u objeto equivalente) a a DataFrame, mientras que agregar un Seriesa otro Seriesimplica crear un DataFrame.

del pandas doc http://pandas.pydata.org/pandas-docs/stable/dsintro.html La serie es una matriz etiquetada unidimensional capaz de contener cualquier tipo de datos. Para leer datos en forma de serie panda:

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

DataFrame es una estructura de datos etiquetados bidimensionales con columnas de tipos potencialmente diferentes.

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

En ambos el índice anterior es la lista

por ejemplo: tengo un archivo csv con los siguientes datos:

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

Para leer los datos anteriores como serie y marco de datos:

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)

salida:

>>> d
BR           Brazil
RU           Russia
IN            India

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

salida:

>>> df
      area
BR   12015
RU     457
IN  457787

La serie es un objeto unidimensional que puede contener cualquier tipo de datos, como enteros, flotantes y cadenas, por ejemplo

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

0 A
1 B
2 C

La primera columna de la serie se conoce como índice, es decir, 0,1,2, la segunda columna son sus datos reales, es decir, A, B, C

DataFrames es un objeto bidimensional que puede contener series, listas y diccionarios.

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

Series es una matriz etiquetada unidimensional capaz de contener cualquier tipo de datos (enteros, cadenas, números de coma flotante, objetos Python, etc.). Las etiquetas de los ejes se denominan colectivamente índice. El método básico para crear una serie es llamar a:

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

DataFrame es una estructura de datos etiquetados bidimensionales con columnas de tipos potencialmente diferentes. Puede pensarlo como una hoja de cálculo o una tabla SQL, o un resumen de objetos de la Serie.

 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 datos de autos

import pandas as pd

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

Así es como se ve el archivo cars.csv.

Imprima la columna drives_right como Serie:

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

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

La versión de soporte único proporciona una Serie Pandas, la versión de soporte doble proporciona un Marco de datos Pandas.

Imprima la columna 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

Agregar una serie a otra serie crea un marco de datos.