В чем разница между Series и DataFrame в pandas

Что проверяют

Базовый вопрос по pandas, но по ответу видно, работали ли вы с библиотекой руками: сразу становится понятно, знаете ли вы про роль индекса.

Как отвечать

Series это одномерный маркированный массив: значения плюс индекс. DataFrame это двумерная таблица, набор колонок, каждая из которых и есть Series, с общим индексом строк.

Ключевые следствия:

• типы: внутри Series тип один на всю колонку, а разные колонки DataFrame могут иметь разные типы;
• обращение: df["salary"] возвращает Series, df[["salary", "grade"]] возвращает DataFrame. Отсюда классическая путаница со скобками;
• индекс это не номер строки, а метка. Он сохраняется при фильтрации, поэтому после отбора строк нумерация идёт с дырами, и её сбрасывают через reset_index(drop=True);
• выравнивание по индексу: операции между объектами сопоставляют элементы по меткам, а не по позиции. Сложение двух Series с разными индексами даст NaN там, где метки не совпали, и это одна из главных причин неожиданных пропусков.

Полезно назвать рабочие приёмы: df.loc работает по меткам, df.iloc по позициям; apply по строкам почти всегда медленнее векторных операций; groupby возвращает Series или DataFrame в зависимости от того, одну колонку агрегируют или несколько.

Где спотыкаются

Меняют срез вместо копии и ловят предупреждение о присваивании копии, а с ним и невоспроизводимый результат.

Считают, что после df[df.age > 30] индексы стали нулевыми.

Путают df["col"] и df.col: второй способ не работает для имён с пробелами и конфликтует с методами объекта.