如何强制Pandas的.loc方法返回Series类型

这个场景我太熟悉了——明明逻辑上都是提取某NAME对应的CLASS列，结果因为匹配到的行数不同，一会儿返回Series一会儿返回字符串，遍历的时候踩坑简直不要太烦！

给你几个简单有效的方法，保证不管匹配到1条还是多条数据，都能强制返回Series：

方法1：用列表形式传递索引 #

这是最直接的解决方案，把单个索引值放到列表里传给loc，Pandas就不会自动降维了：

# 提取John，返回Series
df.loc[['John'], 'CLASS']
# 提取Lisa，同样返回Series
df.loc[['Lisa'], 'CLASS']

这样处理后，哪怕只有一条匹配数据，返回的也是带索引的Series，遍历的时候就不会拆成单个字符了。

方法2：用groupby提前分组（适合批量处理场景） #

如果你的需求是经常按NAME提取CLASS，可以先分组，之后用get_group获取对应组，返回的永远是Series：

# 先按NAME分组
name_groups = df.groupby('NAME')['CLASS']
# 提取John的CLASS
name_groups.get_group('John')
# 提取Lisa的CLASS
name_groups.get_group('Lisa')

这个方法在需要多次按NAME提取时更高效，不用每次都写列表索引。

为什么会出现这个问题？ #

简单说，Pandas的loc有个“自动降维”的默认行为：当你用标量索引（比如单个字符串'Lisa'）匹配到唯一一行时，它会直接返回标量值（这里就是字符串'Music'）；而当匹配到多行时，就会返回Series。这种设计是为了方便快速获取单个值，但在需要统一处理结果的场景下就会造成困扰。

用上面的方法就能完美规避这个问题，让返回结果始终保持Series类型，遍历的时候就可以放心处理啦！

内容的提问来源于stack exchange，提问作者Zhang18