我正在努力成为一名自学成才的数据分析师。 在 Pandas 中，当我在代码的第二部分索引不同的名称时，值从 450 变为 Nan，从 500 变为 Nan，380 变为 380.0（浮点数）。 此外，dtype 从 int64 变为 float64。 任何想法为什么会发生这种情况？ 此外，如果我从 w3schools 复制一个示例，它是否显示正常。
import numpy as np
import pandas as pd
calories= {\"Day 1\": 450, \"Day 2\": 500, \"day 3\": 380}
new_series= pd.Series(calories)
print(new_series)
**#Second part of code**
new_series_1= pd.Series(calories, index=[\"day 1\", \"day 2\", \"day 3\"])
print(new_series_1)
我试过你的代码。这是一个简单的修复。 Python 和很多程序一样是区分大小写的。你只需要修改你的陈述。
更改自：
new_series_1= pd.Series(calories, index=["day 1", "day 2", "day 3"])
至：
new_series_1= pd.Series(calories, index=["Day 1", "Day 2", "day 3"])
注意大写字母。
当我确保列名匹配时，我得到了类似的输出。
Day 1 450
Day 2 500
day 3 380
dtype: int64
Day 1 450
Day 2 500
day 3 380
dtype: int64
希望有帮助。
问候。
【讨论】：
在new_series_1 中，calories 键与index 值不匹配，并且系列正在使用后者重新索引，因此NaN 和float64。
首先你用calories初始化new_series，这是一个dict和int值：
calories= {"Day 1": 450, "Day 2": 500, "day 3": 380}
new_series= pd.Series(calories)
所以 Pandas 知道他们可以被最好地对待为int64。
然后在索引中设置 2 个不同的值，day 1 和 day 2，没有大写：
new_series_1= pd.Series(calories, index=["day 1", "day 2", "day 3"])
calories 的键和 index 值之间不再有对应关系，因此 Pandas 默认为 float64 以进行最佳猜测。
事实上，docs 中的一个示例表明：
从具有指定索引的字典构造系列
d = {'a': 1, 'b': 2, 'c': 3} ser = pd.Series(data=d, index=['a', 'b', 'c']) ser a 1 b 2 c 3 dtype: int64字典的键与索引值匹配，因此索引值无效。
d = {'a': 1, 'b': 2, 'c': 3} ser = pd.Series(data=d, index=['x', 'y', 'z']) ser x NaN y NaN z NaN dtype: float64请注意，索引首先使用字典中的键构建。在此之后，系列使用给定的索引值重新索引，因此 结果我们得到了所有的 NaN.
here 它解释了它何时更改
dtype，基于Index：如果 dtype 为 None，我们会找到最适合数据的 dtype。如果 提供了实际的 dtype，如果它是安全的，我们会强制使用该 dtype。 否则，将引发错误。
【讨论】：