为什么 series[0] 和 series[0:1] 会产生不同的结果？答案

【问题标题】：Why does series[0] and series[0:1] yield different results?为什么 series[0] 和 series[0:1] 会产生不同的结果？
【发布时间】：2019-10-27 04:49:33
【问题描述】：

所以，df['date'] 返回：

0        2018-03-01
1        2018-03-01
2        2018-03-01
3        2018-03-01
4        2018-03-01
            ...    
469796   2018-06-20
469797   2018-06-20
469798   2018-06-27
469799   2018-06-27
469800   2018-12-06
Name: date, Length: 469801, dtype: datetime64[ns]

然后，df['date'].sort_values() 返回：

137241   2018-01-01
378320   2018-01-01
247339   2018-01-01
34333    2018-01-01
387971   2018-01-01
            ...    
109278   2018-12-06
384324   2018-12-06
384325   2018-12-06
109282   2018-12-06
469800   2018-12-06
Name: date, Length: 469801, dtype: datetime64[ns]

现在df['date'].sort_values()[0]“忽略排序”并返回：

Timestamp('2018-03-01 00:00:00')

而 df['date'].sort_values()[0:1] 实际返回：

137241   2018-01-01
Name: date, dtype: datetime64[ns]

为什么显然行为不一致？正如@cs95 准确指出的那样，它们分别返回一个标量和一个系列，这没关系。我对值感到困惑，第一个是2018-03-01，而第二个是2018-01-01。

提前致谢。

警告

有点类似于：why sort_values() is diifferent form sort_values().values

【问题讨论】：

在我设置示例之前，df['date'].sort_values().iloc[0:1, :]。这样做是否符合预期？
呃...不，错误：Too many indexers
df['date'].sort_values()[0] 返回一个标量，df['date'].sort_values()[0:1] 返回一个系列。你必须先了解 python 的列表切片符号是如何工作的。
@cs95 感谢您抽出宝贵时间回复，但我仍然看不出您的评论有什么帮助。或许你可以详细说明一下？
这是 pandas 的奇怪之处之一。 df['date'].sort_values()[0] 实际上对系列进行了排序，但是您不要求在第一个位置 (0) 的项目，而是要求“标记”为 0 的项目 - 原始系列中的第一个项目。您可以将其替换为df['date'].sort_values().iloc[0]。

标签： python pandas

【解决方案1】：

对于 Pandas 的标量索引与切片的索引解释方式略有不同。考虑一个更简单的例子：

df = pd.DataFrame({'col1': [5, 4, 3, 2, 1]}).sample(frac=1)
df
   col1
4     1
1     4
0     5
3     2
2     3

还要注意sort_values的结果：

df['col1'].sort_values()
4    1
3    2
2    3
1    4
0    5

当您调用df['col1'].sort_values()[0] 时，您实际上获得了由键0 索引的值。这里是隐式调用loc:

df['col1'].sort_values()[0]     # just gets the value indexed by that key
# 5

df['col1'].sort_values().loc[0]
# 5

当你用索引切片时，假设它们是整数而不是标签，这意味着它隐式调用iloc：

df['col1'].sort_values()[0:1]   # just gets the first row  
4    1
Name: col1, dtype: int64


df['col1'].sort_values().iloc[0:1]
4    1
Name: col1, dtype: int64

如果您希望标量索引操作返回与切片相同的内容，请使用iloc 或iat（奇异值）：

df['col1'].sort_values().iloc[0]
# 1

df['col1'].sort_values().iat[0]
# 1

【讨论】：