为什么需要将地图类型转换为列表以将其分配给 pandas 系列？

我刚刚开始学习 pandas 的基础知识，有一件事让我思考。

import pandas as pd
data = pd.DataFrame({'Column1': ['A', 'B', 'C']})
data['Column2'] = map(str.lower, data['Column1'])
print(data)

该程序的输出是：

   Column1                             Column2
 0       A  <map object at 0x00000205D80BCF98>
 1       B  <map object at 0x00000205D80BCF98>
 2       C  <map object at 0x00000205D80BCF98>

获得所需输出的一种可能的解决方案是将地图对象类型转换为列表。

import pandas as pd
data = pd.DataFrame({'Column1': ['A', 'B', 'C']})
data['Column2'] = list(map(str.lower, data['Column1']))
print(data)

Output:

   Column1 Column2
 0       A       a
 1       B       b
 2       C       c

但是，如果我使用 range()（它在 Python 3 中也返回其自己的类型），则无需将对象类型转换为列表。

import pandas as pd
data = pd.DataFrame({'Column1': ['A', 'B', 'C']})
data['Column2'] = range(3)
print(data)

Output:

   Column1  Column2
 0       A        0
 1       B        1
 2       C        2

是否有任何原因为什么范围对象不需要进行类型转换，但地图对象却需要进行类型转换？

TL;DR: ranges have __getitem__, and __len__, while maps don't.

细节

我假设创建新数据框列的语法在某种程度上是语法糖Pandas.DataFrame.插入 https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.insert.html，它作为参数value a

标量、级数或类数组

鉴于此，问题似乎简化为“为什么 pandas 将列表和范围视为类似数组，而不是地图？”

See: numpy：“类似数组”对象的正式定义？ https://stackoverflow.com/questions/40378427/numpy-formal-definition-of-array-like-objects.

如果您尝试在范围之外创建一个数组，它会很好地工作，因为范围足够接近类似数组，但您不能使用映射来做到这一点。

>>> 将 numpy 导入为 np
>>> foo = np.array(范围(10))
>>> bar = np.array(map(lambda x: x + 1, range(10))
>>> 富
数组([0,1,2,3,4,5,6,7,8,9])
>>> 酒吧
array(, dtype=object)

map不是“类似数组”，而range is.

进一步研究PyArray_GetArrayParamsFromObject https://github.com/numpy/numpy/blob/master/numpy/core/src/multiarray/ctors.c#L1538，在链接的答案中提到，函数末尾调用 PySequence_Check。该代码是 python 代码，Stack Overflow 上对此有很好的讨论：Python的序列协议是什么？ https://stackoverflow.com/questions/43566044/what-is-pythons-sequence-protocol .

早些时候，在相同的文件 https://github.com/numpy/numpy/blob/master/numpy/core/src/multiarray/ctors.c#L812， 它说：

   /*
     * PySequence_Check detects whether an old type object is a
     * sequence by the presence of the __getitem__ attribute, and
     * for new type objects that aren't dictionaries by the
     * presence of the __len__ attribute as well. In either case it
     * is possible to have an object that tests as a sequence but
     * doesn't behave as a sequence and consequently, the
     * PySequence_GetItem call can fail. When that happens and the
     * object looks like a dictionary, we truncate the dimensions
     * and set the object creation flag, otherwise we pass the
     * error back up the call chain.
     */

这似乎是“类数组”的主要部分 - 任何具有getitem and len类似于数组。range两者都有，同时map两者都没有。

自己尝试一下吧！

__getitem__ and __len__是创建序列所必需且充分的，因此可以让列按您的意愿显示，而不是作为单个对象显示。

尝试这个：

class Column(object):
    def __len__(self):
        return 5
    def __getitem__(self, index):
        if 0 <= index < 5:
            return index+5
        else:
            raise IndexError

col = Column()
a_col = np.array(col)

• 如果你两者都没有__getitem__() or __len()__，numpy 会为你创建一个数组，但它会包含其中的对象，并且不会为你迭代。
• 如果您同时拥有这两种功能，它就会按照您想要的方式显示。

（感谢 user2357112 纠正我。在一个稍微简单的例子中，我认为__iter__被要求。它不是。这__getitem__不过，函数确实需要确保索引在范围内。）