当前位置：首页 > news >正文

【Pandas】pandas DataFrame squeeze

news 来源：原创 2025/6/21 8:12:12

Pandas2.2 DataFrame

Reshaping sorting transposing

方法	描述
DataFrame.droplevel(level[, axis])	用于从 `DataFrame` 的索引（行或列）中删除指定层级（level）的方法
DataFrame.pivot(*, columns[, index, values])	用于重塑 DataFrame 的结构的方法
DataFrame.pivot_table([values, index, …])	用于创建透视表（pivot table）的函数
DataFrame.reorder_levels(order[, axis])	用于重新排序多级索引（MultiIndex）的层级顺序的方法
DataFrame.sort_values(by, *[, axis, …])	用于按指定列或行的值对 `DataFrame` 进行排序的方法
DataFrame.sort_index(*[, axis, level, …])	用于按索引（行或列）对 `DataFrame` 进行排序的方法
DataFrame.nlargest(n, columns[, keep])	用于选取 DataFrame 中某列或多列的前 n 个最大值对应的行的方法
DataFrame.nsmallest(n, columns[, keep])	用于选取 DataFrame 中某列或多列的前 n 个最小值对应的行的方法
DataFrame.swaplevel([i, j, axis])	用于交换多级索引（MultiIndex）中两个层级的位置的方法
DataFrame.stack([level, dropna, sort, …])	用于将 DataFrame 的列索引“压入”行索引中，从而增加行数并减少列数的方法
DataFrame.unstack([level, fill_value, sort])	用于将 `DataFrame` 的行索引层级“展开”为列索引层级的方法
DataFrame.swapaxes(axis1, axis2[, copy])	用于交换 DataFrame 的两个轴（axis）的方法
DataFrame.melt([id_vars, value_vars, …])	用于将 DataFrame 从宽格式转换为长格式（“融化”操作）的方法
DataFrame.explode(column[, ignore_index])	用于将 DataFrame 中某一列的列表元素“展开”为多行的方法
DataFrame.squeeze([axis])	用于将长度为 1 的轴（axis）从 DataFrame 中“挤压”掉，返回更简洁的数据结构（如 Series）的方法

`pandas.DataFrame.squeeze()`

pandas.DataFrame.squeeze() 是一个用于**将长度为 1 的轴（axis）从 DataFrame 中“挤压”掉，返回更简洁的数据结构（如 Series）**的方法。

它是 Pandas 中用于数据维度压缩的重要工具之一，尤其适用于当你确定某些维度只有一个元素时，可以将其转换为更易处理的格式。

📌 方法签名

DataFrame.squeeze(axis=None)

🔧 参数说明

参数	类型	说明
`axis`	`{0/'index', 1/'columns', None}`，默认 None	指定要压缩的轴；如果该轴长度为 1，则会被移除；若为 None，则压缩所有长度为 1 的轴

✅ 返回值

如果压缩后只剩一列：返回 Series；
如果压缩后只剩一行：返回 Series；
否则返回 DataFrame；
原始数据不会被修改。

🧪 示例代码及结果

示例 1：基本用法（DataFrame → Series）

import pandas as pd# 创建一个只有一列的 DataFrame
df = pd.DataFrame({'A': [1, 2, 3]})print("Original DataFrame:")
print(df)

输出：

# squeeze() 自动压缩长度为 1 的列轴
squeezed = df.squeeze()
print("\nAfter squeeze():")
print(squeezed)
print("Type:", type(squeezed))

输出：

0    1
1    2
2    3
Name: A, dtype: int64
Type: <class 'pandas.core.series.Series'>

示例 2：压缩特定轴（`axis=0` 或 `axis=1`）

# 只有一行的 DataFrame
df_single_row = pd.DataFrame([[1, 2, 3]], columns=['A', 'B', 'C'])print("Original single-row DataFrame:")
print(df_single_row)

输出：

   A  B  C
0  1  2  3

# 压缩行轴（axis=0）
squeezed_row = df_single_row.squeeze(axis=0)
print("\nAfter squeeze(axis=0):")
print(squeezed_row)
print("Type:", type(squeezed_row))

输出：

A    1
B    2
C    3
dtype: int64
Type: <class 'pandas.core.series.Series'>

# 压缩列轴（axis=1）——不适用，因为列数 > 1
squeezed_col = df_single_row.squeeze(axis=1)
print("\nAfter squeeze(axis=1):")
print(squeezed_col)

输出（无变化）：

   A  B  C
0  1  2  3

示例 3：压缩多维 DataFrame 中的单维度

# 多列但只有一行
df_single_row_multi_col = pd.DataFrame([[10, 20, 30]], columns=['X', 'Y', 'Z'])print("Original single-row multi-column DataFrame:")
print(df_single_row_multi_col)

输出：

    X   Y   Z
0  10  20  30

# 压缩行轴（axis=0）
squeezed_series = df_single_row_multi_col.squeeze()
print("\nAfter squeeze():")
print(squeezed_series)
print("Type:", type(squeezed_series))

输出：

X    10
Y    20
Z    30
dtype: int64
Type: <class 'pandas.core.series.Series'>

示例 4：DataFrame 不会压缩非单维度轴

# 正常二维 DataFrame
df_normal = pd.DataFrame({'A': [1, 2],'B': [3, 4]
})print("Normal DataFrame:")
print(df_normal)

输出：

   A  B
0  1  3
1  2  4

# squeeze() 对其无影响（没有长度为 1 的轴）
squeezed_normal = df_normal.squeeze()
print("\nAfter squeeze() on normal DataFrame:")
print(squeezed_normal)
print("Type:", type(squeezed_normal))

输出：

   A  B
0  1  3
1  2  4
Type: <class 'pandas.core.frame.DataFrame'>

示例 5：结合 `.loc[]` 使用进行动态压缩

# 从 DataFrame 中提取一行并压缩为 Series
row_squeezed = df_normal.loc[0].squeeze()
print("\nAfter .loc[0].squeeze():")
print(row_squeezed)
print("Type:", type(row_squeezed))

输出：

A    1
B    3
Name: 0, dtype: int64
Type: <class 'pandas.core.series.Series'>

🧠 应用场景

场景	说明
提取单列/单行数据	如从 DataFrame 提取某列或某行作为 Series
简化数据结构	减少不必要的维度，便于后续操作（如绘图、计算等）
配合 groupby 使用	在分组统计后提取单一结果
API 数据处理	处理 API 返回的嵌套结构，提取唯一结果
可视化准备	准备适合绘制折线图、柱状图的数据格式

⚠️ 注意事项

squeeze() 不会修改原始数据；
只有当轴的长度为 1 时才会被压缩；
若想强制压缩某一轴，需确保其长度为 1，否则无效；
默认行为是压缩所有长度为 1 的轴；
若你只想压缩行或列，请显式指定 axis=0 或 axis=1；
压缩后返回的是 Series，注意索引和名称的保留。

✅ 总结对比

方法	是否推荐使用	说明
`squeeze()`	✅ 推荐	自动压缩所有长度为 1 的轴
`squeeze(axis=0)`	✅ 推荐	显式压缩行轴
`squeeze(axis=1)`	✅ 推荐	显式压缩列轴
`df.iloc[:, 0]`	✅ 推荐	提取第一列（类似 squeeze 效果）
`df.loc[0]`	✅ 推荐	提取第一行（类似 squeeze 效果）