python - Pandas 与 Numpy 索引 : Why this fundamental difference in ordering of indices?

Question

NumPy :

import numpy as np
nparr = np.array([[1, 5],[2,6], [3, 7]])
print(nparr)
print(nparr[0])    #first choose the row 
print(nparr[0][1]) #second choose the column

给出预期的输出:

[[1 5]
 [2 6]
 [3 7]]

[1 5]

5

Pandas :

df = pd.DataFrame({
    'a': [1, 2, 3],
    'b': [5, 6, 7]
})
print(df)
print(df['a'])  #first choose the column !!!
print(df['a'][1])  #second choose the row !!!

给出以下输出:

   a  b
0  1  5
1  2  6
2  3  7

0    1
1    2
2    3
Name: a, dtype: int64

2

将 Pandas 数据框中“索引”的默认顺序更改为列第一的根本原因是什么？这种一致性/直觉性的丧失对我们有什么好处？

当然，如果我使用 iloc我们可以编写类似于 Numpy 数组索引的函数:

print(df)
print(df.iloc[0])     # first choose the row
print(df.iloc[0][1])  # second choose the column

   a  b
0  1  5
1  2  6
2  3  7

a    1
b    5
Name: 0, dtype: int64

5

Answer 1

因为 Numpy 的直觉是数学(更具体地说是矩阵，类似于 MATLAB)，而 Pandas 是数据库(类似于 SQL)。 Numpy 按行和列(行在前，因为矩阵的元素 (i, j) 表示第 i 行和 j 第列)，而 Pandas 基于数据库的列工作，您可以在其中选择元素，即行。当然，您可以使用 iloc 直接处理索引。 ，正如你所说。

希望两者在范式/哲学上的差异是有道理的。