我对 numpy 和 Pandas 之间的以下区别有点惊讶/困惑
import numpy as np
import pandas as pd
a = np.random.randn(10,10)
> a[:3,0, newaxis]
array([[-1.91687144],
[-0.6399471 ],
[-0.10005721]])
但是：
b = pd.DataFrame(a)
> b.ix[:3,0]
0 -1.916871
1 -0.639947
2 -0.100057
3 0.251988
换句话说，numpy 在start:stop 表示法中不包含stop 索引，但Pandas 包含。我认为 Pandas 是基于 Numpy 的。这是一个错误吗？故意的？
【问题讨论】：
b.ix 而不仅仅是b[:3]？
此已记录在案，它是Advanced Indexing 的一部分。这里的关键是您根本没有使用停止索引。
ix 属性是一个特殊的东西，它可以让您按标签进行各种高级索引 - 选择标签列表，使用包含的标签范围而不是半独占范围索引和其他各种东西。
如果你不想要，就不要使用它：
In [191]: b[:3][0]
Out[191]:
0 -0.209386
1 0.050345
2 0.318414
Name: 0
如果你在不阅读文档的情况下多玩这个，你可能会想出一个例子，你的标签是 'A', 'B', 'C', 'D' 而不是 0, 1, 2, 3，突然间，b.ix[:3] 将只返回3 行而不是 4 行，你会再次感到困惑。
不同之处在于，在这种情况下，b.ix[:3] 是 indices 上的切片，而不是 labels 上的切片。
您在代码中要求的内容实际上在“所有标签不超过 3”和“所有索引不超过 3”之间是模棱两可的，标签总是以 ix 获胜（因为如果你不不想要标签切片，你不必首先使用ix）。这就是为什么我说问题在于您根本没有使用停止索引。
【讨论】：
当索引类型为整数时，DataFrame.ix 将仅使用基于标签的索引。根据文档，基于标签的切片将包括开始和停止。
http://pandas.pydata.org/pandas-docs/dev/indexing.html#advanced-indexing-with-labels
带有标签的切片在语义上略有不同，因为 在基于标签的情况下，切片开始和停止都包含在内。
带有整数轴标签的基于标签的索引是一个棘手的话题。它 已在邮件列表和各个成员之间进行了大量讨论 科学 Python 社区的成员。在 pandas 中，我们的一般观点 是标签比整数位置更重要。因此，与 整数轴索引仅基于标签的索引是可能的 .ix 等标准工具。以下代码会产生异常
【讨论】：
发件人（docs）：
切片具有整数切片的标准 Python 语义
...
带有标签的切片在语义上略有不同，因为 在基于标签的情况下，切片开始和停止都包含在内。
【讨论】：