Dataframe切片中的一些细节（坑）——整型变浮点，返回Series还是Dataframe？

场景例程：

with db.cursor() as c1:
    sql='''select 原料1原料筒,原料2原料筒,原料3原料筒,原料1比例,原料2比例,原料3比例
from 配方表 where 配方号=%s;'''
    c1.execute(sql,pf_no)
    if c1.rowcount>0:
        data=pd.DataFrame(c1.fetchall())
        t_exe=data.iloc[0,:3]
        bl_exe=data.iloc[0,3:]

这里原料筒在数据库的数据类型是int，原料比例的数据类型是float，原本期望得到一个整型Series(t_exe)和一个浮点型Series(bl_exe)，然而在实际应用中报错，调试中发现t_exe中的数据类型全部变成了浮点型。

data=pd.DataFrame(c1.fetchall())
data.iloc[0,:3]
Out[20]: 
0    3.0
1    1.0
2    2.0
Name: 0, dtype: float64

而采用t_exe=data.iloc[:1,:3]时，数据类型没变：

data.iloc[:1,:3]
Out[22]: 
   0  1  2
0  3  1  2

原因：

t_exe=data.iloc[0,:3]

当执行t_exe=data.iloc[0,:3]时，Pandas提取出DataFrame的第一行的前三列并创建了一个Series对象。在Pandas中，Series默认倾向于使用较为通用的数据类型来存储数据，以适应可能存在的不同数据类型。对于数值型数据，如果没有明确指定或数据中存在非整数值（如浮点数），Pandas可能会自动将整个Series的数据类型提升为float64，以避免信息丢失。

t_exe=data.iloc[:1,:3]

而当执行t_exe=data.iloc[:1,:3]时，得到的是一个包含单行（第一行）但仍然是DataFrame格式的结果。DataFrame在处理数据时，对于每一列，它会尝试保持原始数据类型，只要该类型在DataFrame的列中是同质的。因此，如果原始数据库查询结果中前三列确实是整型，且没有浮点数混入，Pandas在构建这个小的DataFrame时，会保留整型。

解决办法

如果希望在提取Series时也保持原始的整型数据，可以显式地设置数据类型。例如：

t_exe=data.iloc[0,:3].apply(int)
或
t_exe=data.iloc[0,:3].astype(int)

也可以在得到小的Dataframe后再做一次切片

data.iloc[:1,:3].iloc[0]
Out[25]: 
0    3
1    1
2    2
Name: 0, dtype: int64

这里还有一个小的知识点：在大多数情况下，将Pandas的Series对象用于预期接收列表或其他一维数据集合的函数或方法时，不会直接报错，因为Series设计为与这些场景兼容，所以很多时候需要列表的地方可以直接用Series类型，即直接切片出的单行或单列。但！！！用data.iloc[:1,:3]切出来的单行单列直接当列表用会报错，因为它的数据格式仍然是DataFrame，这是pandas为了保持数据一致性所进行的处理。