Pandas: DataFrame と Series の numpy との対応

お恥ずかしい話ですが、しょっちゅう間違えるのでメモします。

• Series から values で np.array を作る時: 縦方向の一次元配列が返る。
  • 例: [1,2,3,4,5]
• DataFrame から values で np.array を作る時: 二次元配列だが、内側の配列は横方向。
  • 例: [[1], [2], [3], [4], [5]]
  • 間違い: [[1,2,3,4,5]]

特に DataFrame のインデクサがスカラの時 Series を返し、リストの時 DataFrame を返すので間違いやすい。
例えばこんな Pandas の表があるとします。

import pandas as pd
sales = pd.DataFrame([
    ['apple'],
    ['orange'],
    ['mango'],
    ['melon'],
    ['banana']],
    columns=['name'])
sales

	name
0	apple
1	orange
2	mango
3	melon
4	banana

ここからカラムを選択する時、インデクサがスカラだと Series を得るので

sales['name']

0     apple
1    orange
2     mango
3     melon
4    banana
Name: name, dtype: object

これを values すると shape (5, ) の一次元配列を得る。

print('shape:', sales['name'].shape)
sales['name'].values

shape: (5,)

array(['apple', 'orange', 'mango', 'melon', 'banana'], dtype=object)

インデクサがリストだと DataFrame を得るので

sales[['name']]

	name
0	apple
1	orange
2	mango
3	melon
4	banana

これを values すると shape (5,1) の二次元配列を得る。

print('shape:', sales[['name']].shape)
sales[['name']].values

shape: (5, 1)

array([['apple'],
       ['orange'],
       ['mango'],
       ['melon'],
       ['banana']], dtype=object)

[['apple', 'orange', 'mango', 'melon', 'banana']] では無いので注意!

別の言い方をすると次のような関係です。

sales['name'].values == sales[['name']].values.transpose()[0]

array([ True,  True,  True,  True,  True])