我们使用pandas常常会涉及到切片操作，特别是一维的Series，我常常觉得它和Python list无甚区别，所以经常就用list的切片方法去切片Series。
然而结果呢？有时候会成功，有时候就会报恼人的KeyError。次数多了之后，我发现这样一个问题：
当Series或者DataFrame的index为int类型时，你对它进行切片，切片的数字或者区段，pandas会自动理解为index，即它会认为你在用index进行切片。此时如果你Series的index和正常的从0开始的有序整数不一样的话，自然会报错；然而若你的index非int数据类型，比如说是str字符串，那么你采取切片就和list一样了，即一个名为“ser”的Series，ser[0]就代表着第一个值，和index无关；此外，如果你使用str类型的index去取，照样也可以取出。
所以，综上，当你的Series或DataFrame的index的数据类型是int类型时，你就无法用list切片的方式进行切片或者取单个数值，此时你只能按照index取；如果你的Series或DataFrame的index的数据类型不是int类型，那么你可以用index取，也可以用list切片的方式取
下面上简单的code：
# index不是int类型时（此时为str类型）：
dfdf = pd.Series({'1':1,'2':2,'3':3,'4':4})
dfdf
>>> 1 1
2 2
3 3
4 4
dtype: int64
dfdf[0]
>>> 1
dfdf[-1]
>>> 4
dfdf['1']
>>> 1
# 用list的取数方法或者用str类型的index取都可以# 当index是int类型时：
# 用astype方法先把index类型转换一下：
dfdf.index = dfdf.index.astype(int)
dfdf.index
>>> Int64Index([1, 2, 3, 4], dtype='int64')
dfdf[0]
>>> KeyError: 0 # 此处省略一万字...
dfdf[-1]
>>> KeyError: -1 # 此处省略一万字...
dfdf[1]
>>> 1有时候我们要用pandas库处理从数据库中取出来的数据，此时取出来的数据的主键往往会被大家设置成DataFrame的index。而主键往往又都是int类型，所以当你做过drop()/rank()/sort_values()的操作后，原int类型的index必然会乱掉，此时你想取前x条数据，然后又想用df[i]拿到排在第i位的数值的时候，等待你的必然是凉凉。
所以，我们可以在一开始就把index转换为str类型