为何Pandas中使用.loc按位置索引子集时赋值无错但查询报错？

这确实是个容易让人摸不着头脑的细节！我来帮你拆解背后的逻辑：

先明确.loc的核心定位 #

.loc是Pandas专门设计的纯标签索引器，它的工作逻辑是严格匹配索引的标签值，而不是元素的位置。你的DataFrame索引是['Joe', 'Steve', 'Wes', 'Jim', 'Travis']，整数2并不是任何一个标签，所以正常情况下用loc[2:3]是不符合规则的。

为什么赋值时不报错？ #

当你执行赋值操作people.loc[2:3, ['b', 'c']] = np.nan时，Pandas触发了一个特殊的兼容处理逻辑：

• 这种兼容是早期版本遗留的“便利行为”，针对切片形式的整数索引器（即带冒号的2:3），Pandas会临时把它当作位置切片来解析，从而完成赋值。
• 但要注意：这种兼容只在赋值场景下生效，而且仅针对切片！如果是单个整数比如people.loc[2, ['b', 'c']] = np.nan，依然会直接报错，因为单个整数无法被识别为切片。

为什么单纯查询时会报错？ #

当你只执行people.loc[2:3, ['b', 'c']]时，Pandas会严格遵循.loc的标签索引规则：

• 它会尝试在索引标签中寻找与整数2匹配的元素，但你的索引都是字符串，完全找不到匹配项，因此直接抛出TypeError，明确告诉你不能用整数类型的索引器来做标签切片。

正确的操作方式 #

为了避免这种混淆，建议严格遵循Pandas的索引规范：

• 如果想按位置索引，使用.iloc：

  # 按位置选取第2-3行（左闭右开），以及b、c列
  people.iloc[2:3, people.columns.get_indexer(['b', 'c'])] = np.nan
  

• 如果想按标签索引，使用.loc并传入对应的标签值：

  # 按标签选取Wes到Jim的行，以及b、c列
  people.loc['Wes':'Jim', ['b', 'c']] = np.nan
  

内容的提问来源于stack exchange，提问作者RodiX