Python 熊猫的[]和[]有什么区别？

我对熊猫中索引列的结果感到困惑

两者

及

---

给我“varname”的列值。然而，看起来有一些细微的区别，因为db['varname']的输出显示了值的类型。

第一个在df中查找特定键，一个特定列，第二个是要从df中选择的列列表，因此它返回与列表中的值匹配的所有列

另一件微妙的事情是，默认情况下，第一个将返回一个Series对象，而第二个将返回一个DataFrame，即使您传递一个包含单个项的列表

例如：

In [2]:
df = pd.DataFrame(columns=['VarName','Another','me too'])
df

Out[2]:
Empty DataFrame
Columns: [VarName, Another, me too]
Index: []

In [3]:    
print(type(df['VarName']))
print(type(df[['VarName']]))

<class 'pandas.core.series.Series'>
<class 'pandas.core.frame.DataFrame'>

但如果没有额外的[]，则会引发一个KeyError：

因为您随后试图找到一个名为“VarName”的列，正如@EdChum所指出的，“other”不存在，[]将返回pandas.core.series.series，而[[]将返回pandas.core.frame.DataFrame

---

两者在pandas中都是不同的数据结构。

对于sklearn，最好使用具有2D形状的db[['varname']]

例如：

from sklearn.preprocessing import  KBinsDiscretizer kbinsDiscretizer  

est = KBinsDiscretizer(n_bins=3, encode='onehot-dense', strategy='uniform') 
est.fit(db[['varname']]) # where use dfb['varname'] causes error

---

这简直是另一个骗局，我从中得到了这个答案：，归功于@SethMMorton

在这里回答，因为这是谷歌的热门话题，我花了很长时间才得到

熊猫根本没有操作员

当您看到df[['col_name']]时，您真正看到的是：

col_name=['col_name'] df[上校姓名] 因此，[[为你做的唯一一件事就是它使 结果是一个数据帧，而不是一个序列

[在数据帧上查看参数的类型；如果是标量，则仅在一列之后，并将其作为一个系列传回；如果是列表，则必须在一组列之后，因此它仅传回包含这些列的数据帧

就这样

In [2]:
df = pd.DataFrame(columns=['VarName','Another','me too'])
df

Out[2]:
Empty DataFrame
Columns: [VarName, Another, me too]
Index: []

In [3]:    
print(type(df['VarName']))
print(type(df[['VarName']]))

<class 'pandas.core.series.Series'>
<class 'pandas.core.frame.DataFrame'>

In [4]:
df[['VarName','Another']]

Out[4]:
Empty DataFrame
Columns: [VarName, Another]
Index: []

df['VarName','Another']

KeyError: ('VarName', 'Another')

from sklearn.preprocessing import  KBinsDiscretizer kbinsDiscretizer  

est = KBinsDiscretizer(n_bins=3, encode='onehot-dense', strategy='uniform') 
est.fit(db[['varname']]) # where use dfb['varname'] causes error