一、先把标签换成姓名

set_index('姓名') 之后，index 从 0 到 9 变成十个姓名。 取值方式跟着变：从「第几个」变成「谁」。s.loc['张伟'] 直接给 92。 换标签这个动作本身不改数据，只改「怎么找」。理解这一点，后面就不会乱。

二、loc：按标签

单个：s.loc['张伟'] 给一个数。 多个：s.loc[ ['张伟','王芳']] 给一个 Series，顺序按你给的列表来。 切片：s.loc['张伟':'李娜'] 给三行，两头都包含。

这个「两头都含」是 loc 最反直觉的地方。Python 列表切片是含头不含尾，loc 不是。 原因：标签不像位置那样能「往前挪一格」。从张伟到李娜，本来就该把李娜算进去。

三、iloc：按位置

单个：s.iloc[0] 给第一个。 多个：s.iloc[ [0, 2]] 给第 1、3 个。 切片：s.iloc[0:3] 给前三个，尾巴不含，和 Python 列表一致。

loc 含尾、iloc 不含尾——这一条记住，两个方法就再也不会混。 口诀：loc 是「从谁到谁」，iloc 是「从第几个数几个」。

四、什么时候用哪个

两个都能用的时候（标签正好是 0、1、2），用 loc 更安全，因为它不依赖顺序。 但更推荐的做法是：一开始就把标签设成有意义的东西，从源头上避免「第几行」这种问法。

五、报错怎么读

KeyError: 0 说明你在用 loc 找一个不存在的标签 0。改成 iloc[0] 或换回数字标签。 IndexingError 通常是把两个方括号写反了，比如 s.loc[0:3, 1]。 报错的类型能反推你用的是哪套索引：KeyError 是标签，IndexError 是位置。

养成一个习惯：出错先看是哪种错，比一行行读代码快。

六、动手 Demo：Series 的索引与取值

把姓名设成行标签，然后分别用 loc 和 iloc 取单个、取多个、取切片。 重点看切片的边界：loc 含尾，iloc 不含尾。

import pandas as pd

s = pd.Series([88, 92, 75, 85, 90],
              index=["张伟", "王芳", "李娜", "刘洋", "陈静"],
              name="数学")

print("loc 单个  %d" % s.loc["张伟"])
print("iloc 单个 %d" % s.iloc[0])

print("loc 三个    %s" % s.loc["张伟":"李娜"].tolist())
print("iloc 三个   %s" % s.iloc[0:3].tolist())

print("loc 列表    %s" % s.loc[ ["张伟", "王芳"]].tolist())
print("iloc 列表   %s" % s.iloc[ [0, 1]].tolist())

try:
    s.loc[0]
except KeyError:
    print("s.loc[0] 报 KeyError：标签里没有 0")

实跑输出：

--------------------------------------------------------------------
Series 的索引与取值
--------------------------------------------------------------------

  ① 先换成有意义的标签
  --------------------------------------------------------------------
  把姓名设成行标签之后，index 变成：张伟、王芳、李娜、刘洋。 ……

| 姓名 | 数学 |
|---|---:|
| 张伟 | 92 |
| 王芳 | 95 |
| 李娜 | 68 |
| 刘洋 | 88 |

  ! 行标签一变，取值方式也跟着变：从「第几个」变成「谁」。

  ② 按标签取：loc
  --------------------------------------------------------------------
  s.loc['张伟'] = 92。
  s.loc[ ['张伟', '王芳']] 一次取两个：

| 姓名 | 数学 |
|---|---:|
| 张伟 | 92 |
| 王芳 | 95 |

  切片也能用标签：s.loc['张伟':'李娜'] 取的是这三个人，两头都包含。

| 姓名 | 数学 |
|---|---:|
| 张伟 | 92 |
| 王芳 | 95 |
| 李娜 | 68 |

  ! loc 的切片两头都含，这是它和普通 Python 切片最大的不同。

  ③ 按位置取：iloc
  --------------------------------------------------------------------
  s.iloc[0] = 92，取第一个。
  s.iloc[0:3] 取前三个，尾巴不含。

| 姓名 | 数学 |
|---|---:|
| 张伟 | 92 |
| 王芳 | 95 |
| 李娜 | 68 |

  看到了吗：loc 的 0:3 含第 3 个，iloc 的 0:3 不含。同样的写法，两个结果。
  ! 记住这一条就不会混：loc 是「从谁到谁」，iloc 是「从第几个数几个」。

  ④ 什么时候用哪个
  --------------------------------------------------------------------

| 场景 | 用哪个 | 理由 |
|---|---|---|
| 知道是谁，要取他的分 | loc | 标签稳定，不随排序变 |
| 要前五行看看 | iloc | 位置天然就是「前几个」 |
| 按条件筛 | 布尔索引 | 两个都不用，见 3.9 篇 |

  两个都能用的时候（比如标签正好是 0,1,2…），用 loc 更安全，因为它不依赖顺序。
  ! 新手最常见的 bug：设了姓名索引之后还在用 s[0]，报 KeyError: 0。改成 iloc[0] 就好了。

两行切片的结果一样长，但含义不同：loc 那次给的是「张伟到李娜」，iloc 那次给的是「前三个」。 碰巧重合，不是一回事。 最后一个 try 是这一节的重点：把报错现场打出来，比读十行说明管用。

30 秒实验

1. 把标签改成 0、1、2、3、4，再跑一遍，s.loc[0] 会成功吗？结果和 iloc[0] 一样吗？
2. 试 s.loc['王芳':'陈静']，一共几行？再试 s.iloc[1:4]，一共几行？
3. 想一想：为什么 pandas 要设计成两套索引，而不是统一成一套？

常见误区

1. 以为 loc 和 iloc 只是写法不同：边界规则不一样，取出来可能差一行。
2. 标签改了还用 s[0]：pandas 3 里直接 KeyError。
3. 把行标签和行号当同一件事：删过行之后，行标签就不是 0、1、2 连续的了。
4. 不敢用 loc，全用 iloc：排序一变，iloc 取到的就不是同一个人了。

一条 Series 讲完了，该讲整张表。下一篇讲 DataFrame 的三种造法——从字典、从列表、从 numpy 数组。

• ☐ （本篇完，下一篇 3.4 DataFrame：一张能算的表格）

相关笔记

• Series：带标签的一列数
• DataFrame：一张能算的表格
• 抽取行：head、loc 与 iloc
• 📊 Python 数据分析 · 索引