Python 为什么要重新编制索引而不是使用.loc？

在pandas的早期版本中，只要值列表至少包含一个现有键，就可以使用

.loc[值列表]

---

但是，pandas已将此功能替换为reindex功能。我个人喜欢

.loc

功能，因为它与索引切片和其他

.loc

行为配合得很好。想知道他们为什么决定这么做吗？

据我所知

如果您有下面的

系列

，并且索引为0-3，并且我们希望得到索引之外的一些索引，我们应该执行

重新索引

s=pd.Series([1,2,3,4])
s.reindex([100])
100   NaN
dtype: float64

如果使用

loc

，它将返回错误

s.loc[100]

---

这一变化似乎将在上一节中详细讨论

有（至少）三种方法可以处理缺少的标签：

如果请求至少缺少一个标签，则会引发错误

如果仅请求缺少标签，则会引发错误

• a） 。。。如果至少存在一个标签，则缺少的标签将变为NaN（当前）
• b） 。。。而如果至少存在一个标签，则丢失的标签将自动删除

您永远不会因缺少标签而引发错误

• a） 。。。他们变成了南
• b） 。。。它们静静地落下

似乎大家普遍认为，方案2的混合行为基本上没有记录在案，而且有点违反直觉。下面是一个可能令人困惑的行为示例，其中重新排序操作会改变是否引发错误：

例如，使用选项1。三,

pd.concat（[chunk.loc[something]表示块中的块]）

及

pd.concat（chunks.loc[something]

两者都返回相同的结果（或raise）。取而代之的是2。这实际上取决于丢失的标签如何分布在块中

---

归根结底，这是设计理念的问题，每种方法都有其优缺点。

你能举一个例子，说明你想用

.loc

做什么，但你不能再做了吗？建议仍然可以传递一系列标签。从中，熊猫团队似乎希望对

loc