<分区>
我参加的初级数据科学 Python 类(class)侧重于实际执行，而不是理论。跟随时，这是有道理的，但是当我不得不做一个没有指导的人时，我迷路了。我不确定这在像我这样的初学者中是否常见？它会变得非常令人沮丧。
我了解了列表、系列、字典和数据框的特性。但我不明白什么时候使用哪个以及为什么？有时它需要一个列表，有时是一个系列，有时是一个数组。似乎最终目标是将所有内容都放在数据框中？这样对吗？
我什至不确定我的问题是否有道理。
<分区>
我参加的初级数据科学 Python 类(class)侧重于实际执行，而不是理论。跟随时，这是有道理的，但是当我不得不做一个没有指导的人时，我迷路了。我不确定这在像我这样的初学者中是否常见？它会变得非常令人沮丧。
我了解了列表、系列、字典和数据框的特性。但我不明白什么时候使用哪个以及为什么？有时它需要一个列表，有时是一个系列，有时是一个数组。似乎最终目标是将所有内容都放在数据框中？这样对吗？
我什至不确定我的问题是否有道理。
最佳答案
这个问题是完全正确的，但答案是“通常取决于情况”。 我将尝试概述一下: 首先是基本的 python 类型(List、Dictionary)，然后是 pandas 库中的类型(Series、Dataframe)。一般来说，Python 类型更具多用途和通用性，而 pandas 数据类型则满足数据科学家的需求。
如果您有许多相关项目需要在没有 key 的情况下访问，请使用列表 - 例如人名列表
names = ["John", "Peter"]
列表是有序的，可以使用列表理解或 filter()、map() 等函数轻松过滤。 列表是适用于大量数据的瑞士军刀，但如果您需要通过 ID 访问数据，则不应使用列表。对于该用例，请使用字典。
没有什么能阻止您将不同类型的对象添加到列表中，例如[1, "A", {}] 但这通常不是一个好主意。
字典提供了存储各种对象并通过已知值访问它们的能力。 例如
data = {"John": {"Age": 16, "Stupid": False}, "Peter": {"Age": 20, "Stupid": True}}
john = data["John"]
如果您需要通过这样的值获取对象，这将非常方便。也可以使用 data.iterdict() 迭代值，但如果您只需要迭代数据，请将其保存为列表。
如果您将数据保存在列表或字典中，这通常是一个设计问题 - 两者都可以，但通常一种风格更受欢迎:例如如果需要迭代数据，更喜欢列表，如果需要通过 id 随机访问，则使用字典。
由于 Python 3.7 字典是有序的，所以如果你迭代它们，它们将保持它们的顺序，但旧的 python 版本不是这种情况。在这种情况下使用 orderedDict 或使用列表。
没有什么能阻止您向字典中添加不同类型的对象，但这通常不是一个好主意。
最后，python中还有集合。集合的行为很像字典，但支持集合论中的操作，例如交集、子集等。如果您必须比较或减去数据组，这会非常方便。
Series 是纯 Pandas 库结构。他们从根本上将数据视为表格中的列 - 特定类型和特定长度的数据点“列表”。此外，该列有一个名称。
从技术上讲，Series 不是一个列表，而是一个 numpy 数组——它比 python 列表更快、更小(在内存方面)。所以对于很多元素来说，一个Series有更好的表现。
系列还提供了操作和描述列表所没有的数据的方法。 如果我需要用 Series 做一些只有 Series 支持的事情，我会使用 Series，例如绘制直方图。
也是 Pandas 类型。包含数据的表格 View :基本上是系列列表。提供丰富的功能来查看和操作数据。非常适合表格数据的数据分析，但不是真正的通用数据格式(尽管非常方便)。 将其用于您要分析的数据 - 不适用于您从 API 等获取的数据。
关于python - List、Series、Dictionary、Dataframes——什么时候使用哪个以及为什么？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/58280677/