Python 使用相同索引号切片行

Python 使用相同索引号切片行,python,pandas,Python,Pandas,所以我有一个数据帧,它有相同的索引号,这是有原因的。当我试图使用下面的代码对select行进行切片时,我得到了错误 df = pd.read_excel('18nov.xlsx') df = pd.DataFrame(df) df = df.loc[120:140] KeyError: 'Cannot get left slice bound for non-unique label excel文件中的数据框 Name Age Time 100 Tom

所以我有一个数据帧,它有相同的索引号,这是有原因的。当我试图使用下面的代码对select行进行切片时,我得到了错误

df = pd.read_excel('18nov.xlsx')
df = pd.DataFrame(df)
df = df.loc[120:140]

KeyError: 'Cannot get left slice bound for non-unique label
excel文件中的数据框

      Name    Age       Time
100   Tom     20       01:00
110   nick    21       01:00
120   krish   19       01:00
130   jack    18       01:00
140   Rick    26       01:00
150   John    23       01:00       
100   Tom     20       01:10
110   nick    21       01:10
120   krish   19       01:10
130   jack    18       01:10
140   Rick    26       01:10
150   John    23       01:10
100   Tom     20       01:20
110   nick    21       01:20
120   krish   19       01:20
130   jack    18       01:20
140   Rick    26       01:20
150   John    23       01:20
当我使用索引编号进行切片时,我想要什么

      Name    Age       Time
120   krish   19       01:00
130   jack    18       01:00
140   Rick    26       01:00
120   krish   19       01:10
130   jack    18       01:10
140   Rick    26       01:10
120   krish   19       01:20
130   jack    18       01:20
140   Rick    26       01:20

提前谢谢。

您收到了错误,因为它们是重复条目。但是,您可以通过尝试此代码来实现所需的结果

desired_df=df[(df.index>=120)&(df.index<=140)]
print(desired_df)

      Name    Age       Time
120   krish   19       01:00
130   jack    18       01:00
140   Rick    26       01:00
120   krish   19       01:10
130   jack    18       01:10
140   Rick    26       01:10
120   krish   19       01:20
130   jack    18       01:20
140   Rick    26       01:20

desired_df=df[(df.index>=120)和(df.index此处使用:

df=df.query('120
df = df.query('120 <= index <= 140')
print (df)
      Name  Age   Time
120  krish   19  01:00
130   jack   18  01:00
140   Rick   26  01:00
120  krish   19  01:10
130   jack   18  01:10
140   Rick   26  01:10
120  krish   19  01:20
130   jack   18  01:20
140   Rick   26  01:20