我认为 pandas 是一个系列 S S[0:2] 相当于 s.iloc[0:2] ，在这两种情况下都会有两行但最近我遇到了麻烦The first picture shows the expected output 但我不知道In this picture S[0] is showing error i don't know why 出了什么问题
【问题讨论】：
标签： pandas data-science data-analysis
我可以尝试解释一下这种行为。在 Pandas 中，您可以通过position 或label 进行选择，重要的是要记住每一行/列将始终有一个position“名称”和一个label 名称。在列的情况下，这种区别通常很容易看出，因为我们通常给列提供字符串名称。当您明确使用 .iloc 与 .loc 切片时，差异也很明显。最后s[X]是indexing，其中s[X:Y]是slicing，两个动作的行为是不同的。
例子：
df = pd.DataFrame({'a':[1,2,3], 'b': [3,3,4]})
df.iloc[:,0]
df.loc[:,'a']
两者都会返回
0 1
1 2
2 3
Name: a, dtype: int64
现在，在您的情况下发生的情况是，您在声明 s.index = [11,12,13,14] 时覆盖了索引名称。您可以通过在此更改之前和之后检查索引来看到这一点。之前，如果您运行s.index，您会看到它是RangeIndex(start=0, stop=4, step=1)。更改索引后，变为Int64Index([11, 12, 13, 14], dtype='int64')。
为什么这很重要？因为虽然你覆盖了索引的labels，但是它们每一个的位置还是和以前一样。所以，当你打电话时
s[0:2]
您正在切片按位置（文档中的this section 解释说它等同于.iloc。但是，当您运行时
s[0]
Pandas 认为您想通过 label 进行选择，因此它开始寻找不再存在的 label 0，因为您覆盖了它。在选择数据框列的上下文中考虑方括号选择：你会说df["column"]（所以你要求label 的列），所以在系列的上下文中也是如此。
总之，系列索引会发生以下情况：
string 进行索引，Pandas 将查找字符串标签。integer 进行索引，Pandas 将退回到按位置索引（这就是您在评论中的示例有效的原因）。integer 进行索引，Pandas 将始终尝试按“标签”进行索引（这就是为什么第一种情况不起作用，因为您已经覆盖了label 0)。这里有两篇文章解释了这种奇怪的行为：
【讨论】：
integer 或string 标签。我想是因为所有这些意想不到的行为，他们总是建议明确使用.iloc 和.loc。