Python: List[ pandas.Series ] 轉DataFrame技巧：正確理解row和column的關係,同 concat( List[ pandas.Series ], axis=1 ).T

在處理Pandas數據時，我們經常需要將 List[pd.Series] 轉換為DataFrame。這篇文章將澄清使用不同方法時，數據如何被安排為rows和columns。

基本Series創建

首先創建一些Series用於示範：

import pandas as pd

# 創建測試用Series
s1 = pd.Series([1, 2, 3], index=['a', 'b', 'c'], name='S1')
s2 = pd.Series([4, 5, 6], index=['a', 'b', 'c'], name='S2')
s3 = pd.Series([7, 8, 9], index=['a', 'b', 'c'], name='S3')

series_list = [s1, s2, s3]

# 顯示原始Series
print("原始Series:")
for s in series_list:
    print(f"{s.name}:\n{s}\n")

輸出結果:

方法1：使用DataFrame構造函數

當你將Series列表傳給DataFrame構造函數時，
每個Series會成為結果DataFrame的一個row：

# 方法1：使用DataFrame構造函數
df1 = pd.DataFrame(series_list)
print("方法1: pd.DataFrame(series_list):")
print(df1)

輸出結果:

此方法的關鍵點：

• 每個Series成為DataFrame的一個row
• Series的索引值(‘a’, ‘b’, ‘c’)成為DataFrame的columns
• Series的名稱(‘S1’, ‘S2’, ‘S3’)成為DataFrame的index
• 特別適合Series本來就是從 DataFrame.iterrows() 取得,
  其index 就是DataFrame的columns

方法2：使用concat()搭配axis=1

使用concat函數並設置axis=1時，Series會被排列為DataFrame的columns：

# 方法2：使用concat搭配axis=1（水平連接）
df2 = pd.concat(series_list, axis=1)
print("方法2: pd.concat(series_list, axis=1):")
print(df2)

輸出結果:

此方法的關鍵點：

• 每個Series成為DataFrame的一個column
• Series的索引值(‘a’, ‘b’, ‘c’)成為DataFrame的index
• Series的名稱(‘S1’, ‘S2’, ‘S3’)成為DataFrame的column names

轉置關係

重要的觀察是方法1和方法2產生的結果互為轉置：

# 演示轉置關係
print("df1是否等於df2.T?", df1.equals(df2.T))
print("df1.T是否等於df2?", df1.T.equals(df2))

輸出結果:

實用指南

1. 何時使用DataFrame構造函數處理Series列表：
   • 當你希望每個Series代表DataFrame的一個row
   • 當你希望Series的索引成為DataFrame的columns
2. 何時使用concat搭配axis=1：
   • 當你希望每個Series代表DataFrame的一個column
   • 當你希望Series的索引成為DataFrame的index

重要區別總結

理解這些方法之間的差異對於有效的數據處理非常重要：

1. DataFrame(series_list)：
   • 每個Series → row
   • Series索引 → columns
   • Series名稱 → index
2. concat(series_list, axis=1)：
   • 每個Series → column
   • Series索引 → index
   • Series名稱 → column names

這些方法提供了不同的數據排列方式，
選擇正確的方法可以讓你更精確地構建所需的數據結構。

推薦hahow線上學習python: https://igrape.net/30afN