为何Pandas Series输出显两列却非DataFrame？求二者核心差异

我刚开始学习Pandas，若问题表述不够清晰还请见谅。

代码示例 #

# 创建从'1/1/1'开始的小时级时间序列，共31个时间单位
longTimeRange = pd.date_range('1/1/1', periods=31, freq='H')
# 为每个时间单位生成随机数，创建Series
aTimeSeries = pd.Series(np.random.randn(len(longTimeRange)), index=longTimeRange)

aTimeSeries.head()

输出结果 #

2001-01-01 00:00:00   -0.657026
2001-01-01 01:00:00   -1.244964
2001-01-01 02:00:00   -0.016981
2001-01-01 03:00:00    1.817097
2001-01-01 04:00:00   -0.419140
Freq: H, Length: 31, dtype: float64

疑问 #

该输出看似包含两列，为何仍被认定为Series而非DataFrame？若Series可呈现此类形式，如何与DataFrame区分？二者是否仅为数据访问方式不同的容器？

回答 #

首先要明确：Series是带索引的一维数组，你看到的输出左侧是它的index（索引），右侧才是实际存储的数据值——本质上它只有一组数据，只是显示时把索引列出来了，并非真正的两列数据。

而DataFrame是二维表格结构，它由多个Series组成，每个Series对应一列数据，每列可以有独立的列名，且通常共享同一行索引。

区分两者可以用这些简单方法：

• 直接查类型：执行type(aTimeSeries)就能明确它是Series还是DataFrame
• 看核心属性：Series只有values（一维数组）和index；DataFrame额外有columns属性存储列名，values是二维数组
• 数据访问逻辑：Series可以直接通过位置aTimeSeries[0]或索引标签aTimeSeries['2001-01-01 00:00:00']取值；DataFrame必须先指定列（比如df['列名']），再定位行，或者用df.loc[行标签, 列名]这种二维访问方式

二者的差异不止于访问方式，本质结构完全不同：Series适用于存储单一维度的序列数据（比如某一指标的时间序列）；DataFrame则用于存储多列关联的表格型数据（比如包含姓名、年龄、成绩的学生表）。

内容的提问来源于stack exchange，提问作者Donna_Tartare