数据必须是一维 pd.dataframe - Python

在使用 Python 进行数据分析过程中，经常会使用 pandas 库来进行数据处理。其中，最常用的数据类型便是 pd.DataFrame。

虽然 pd.DataFrame 可以处理大部分的数据类型，但是在一些情况下却需要注意数据应该是一维的。下面我们来介绍一下这个问题。

问题描述

在进行某些操作时，我们需要数据是一维的，并且每个元素都是 pd.Series 类型。然而，如果数据是二维的 pd.DataFrame，这种情况下就需要先将数据进行转换。

下面我们来看一个具体的例子。假设我们有如下的一份数据：

import pandas as pd
import numpy as np

data = pd.DataFrame({
    'name': ['Jack', 'Marry', 'Bob'],
    'age': [21, 20, 22],
    'gender': ['M', 'F', 'M']
})

运行结果如下：

   name  age gender
0  Jack   21     M
1 Marry   20     F
2   Bob   22     M

现在我们想要将每个元素转换为 pd.Series 类型。如果我们直接使用 apply() 函数并传入函数 pd.Series()，会发现会将整个数据集变成二维的 pd.DataFrame：

data.apply(pd.Series)

   name  age gender
0  Jack   21     M
1 Marry   20     F
2   Bob   22     M

这显然不是我们想要得到的结果。为了得到一维数据，我们可以使用 apply() 函数，并传入 lambda 函数。具体而言，我们需要将每条记录转换为一个元组（tuple），再利用 pd.Series() 将其转换为 pd.Series：

data.apply(lambda x: pd.Series((x['name'], x['age'], x['gender'])), axis=1)

      0   1  2
0  Jack  21  M
1 Marry  20  F
2   Bob  22  M

现在得到了一维的数据。

结论

在一些操作中，我们需要使用一维的 pd.Series 数据。如果数据最初是二维的 pd.DataFrame，我们可以通过使用 apply() 函数，并传入 lambda 函数的方式，将每条记录转换为一个元组，再使用 pd.Series() 将其转换为 pd.Series。