【図解・初心者向け】PandasのDataFrameとSeriesの違いをやさしく解説！

Pythonでデータ分析を始めたばかりの頃、
**「DataFrameとSeriesって何が違うの？」**と感じたことはありませんか？

私も最初は df["A"] と df[["A"]] の違いがわからず、思わぬエラーに悩まされました。

この記事では、図解・構造比較・コード出力結果を通して、初心者でも理解しやすいよう丁寧に解説します。

---

🔍 DataFrameとSeriesの違い（図解）

構造の違いを図でまとめました。

構造	説明	次元
Series	ラベル付きの1次元データ構造	1次元
DataFrame	行・列からなる2次元の表形式	2次元

---

💡 コードで理解する違い

以下のコードで Series と DataFrame の構造を比較できます。

import pandas as pd

# Seriesの作成
s = pd.Series([10, 20, 30], name="A")

# DataFrameの作成
df = pd.DataFrame({"A": [10, 20, 30], "B": [40, 50, 60]})

出力結果：

# Series（1次元）
0    10
1    20
2    30
Name: A, dtype: int64

# DataFrame（2次元）
    A   B
0  10  40
1  20  50
2  30  60

---

❓ よくある疑問：df["A"] と df[["A"]] の違い

一見同じように見えるこの2つですが、返り値の型と次元が異なります。

記述	型	次元	特徴
df["A"]	Series	1次元	1列のSeries。構造が簡潔
df[["A"]]	DataFrame	2次元	1列でも表（DataFrame）として保持。後処理向き

出力の違いを確認：

print(df["A"])  # Series（1次元）

0    10
1    20
2    30
Name: A, dtype: int64

print(df[["A"]])  # DataFrame（2次元）

    A
0  10
1  20
2  30

---

📘 まとめ：初心者が押さえておくべきポイント

• Series は 1次元、DataFrame は 2次元
• df["A"] は Series型、df[["A"]] は DataFrame型
• 処理目的（簡潔に扱う or 形式を維持する）で使い分けよう

---

🔗 もっと詳しく学ぶには？

この記事の元記事では、図解・出力例・補足解説をさらに詳しくまとめています。

👉 https://pythondatalab.com/pandas-dataframe-series/

---

🏷 関連ハッシュタグ

#Python #Pandas #データ分析 #初心者向け #Series #DataFrame