Python 为什么熊猫会将数据帧的一行（或一列）转换为一个系列？

上下文：我正在将我认为是数据帧的df.iloc[n]传递到一个函数中。多亏了，我发现这会导致错误，因为Pandas会自动将数据帧中的一行或一列转换为一个系列，并且可以通过使用

df.iloc[[n]]

而不是

df.iloc[n]

轻松解决

---

问题：我的问题是为什么熊猫会这样做？使用系列而不是数据帧是否有一些性能优势？自动转换为系列的原因是什么？

根据熊猫文档

考虑熊猫数据结构的最佳方式是将其作为低维数据的灵活容器。例如，DataFrame是Series的容器，而Series是Scalar的容器。我们希望能够以类似字典的方式从这些容器中插入和删除对象

---

因此，这里不进行转换，而是检索具有不同属性/方法的对象。

这就像问为什么索引2d数组会将其转换为1d数组一样。它不会将其转换为一个系列，数据帧的行在逻辑上是一个系列，而不是一个数据帧。从技术上讲，这是

df.iloc[n]

的

（c，）

和

df.iloc[[n]]

的

（c，）

的形状之间的区别，其中

c

是许多列。我认为你说的不太对：

类型（df.iloc[n]）

是一个系列，而

类型（df.iloc[[n]

是一个数据框架。这不仅仅是维度：我可以调用

df.iloc[[n]].columns

，而

df.iloc[n]。columns

会抛出错误。这里有真正的功能变化，而不仅仅是维度变化。我的问题是为什么熊猫会努力改变这种功能？这一定是有原因的。这是什么原因？谢谢这太完美了，谢谢：“……检索具有不同属性/方法的对象”正是我所需要的洞察力。