【図解・初心者向け】PandasのDataFrameとSeriesの違いをやさしく解説

Posted at 2025-06-21

初心者向けに「DataFrameとSeriesの違い」を図解で解説！

Pythonのデータ分析ライブラリ「Pandas」を使い始めると最初に出会うのが「Series」と「DataFrame」ですが、この違いが直感的に理解しづらいという声をよく聞きます。

本記事では、図解・構造比較・コード実行結果を通じて、初心者でも理解しやすいようにまとめました。

以下は構造の違いを示した図です。

構造	説明	次元
Series	ラベル付きの1次元データ構造	1次元
DataFrame	行・列からなる2次元の表形式	2次元

以下のコードは、SeriesとDataFrameの基本的な作成例です。

import pandas as pd

# Seriesの作成
s = pd.Series([10, 20, 30], name="A")

# DataFrameの作成
df = pd.DataFrame({"A": [10, 20, 30], "B": [40, 50, 60]})

出力結果：

Series（1次元）:
0    10
1    20
2    30
Name: A, dtype: int64

DataFrame（2次元）:
    A   B
0  10  40
1  20  50
2  30  60

同じように見えるこの2つですが、結果の型と次元が異なります。

記述	返り値の型	次元	特徴
`df["A"]`	Series	1次元	1つの列をSeriesとして取得。構造が簡潔。
`df[["A"]]`	DataFrame	2次元	1列でも表（DataFrame）として保持。後処理に便利。

出力の違いも確認してみましょう。

# Series（1次元）
print(df["A"])

0    10
1    20
2    30
Name: A, dtype: int64

# DataFrame（2次元）
print(df[["A"]])

このように、見た目は似ていますが、データ構造・扱い方・後続処理への影響が異なります。初心者の方は特に混乱しやすいポイントです。

この記事の元記事では、さらに詳しく構造・使い方・操作例を解説しています。

✅ 図解・コード・出力結果付きで学べる元記事はこちら：
https://pythondatalab.com/pandas-dataframe-series/