当向pandas.Series提供字典时，键用作索引，值用作数据。
实际上，您只需要：

series = pd.Series(data_dict)

print(series)
Ahmed    90
Ali      85
Omar     80
dtype: int64

如果您使用列表作为数据源，则index非常有用：

series = pd.Series([90, 85, 80], index=['Ahmed','Ali','Omar'])

print(series)
Ahmed    90
Ali      85
Omar     80
dtype: int64

当您同时提供这两个选项时，它将充当reindex：

series = pd.Series(data_dict, index=['Ahmed','Ali','Omar','Karthi'])

# equivalent to
series = pd.Series(data_dict).reindex(['Ahmed','Ali','Omar','Karthi'])

print(series)
Ahmed     90.0
Ali       85.0
Omar      80.0
Karthi     NaN
dtype: float64

在这种情况下，缺失的索引将使用NaN作为默认值填充，这将强制使用float64类型。
您可以使用支持integer NA的Int64 dtype来防止更改：

series = pd.Series(data_dict, index=['Ahmed','Ali','Omar','Karthi'], dtype='Int64')
print(series)

输出：

Ahmed       90
Ali         85
Omar        80
Karthi    <NA>
dtype: Int64

NaN是considered a special floating point value（IEE 754）。series2中没有Karthi的值，因此它会自动填充为NaN。尝试将其中一个整数转换为np.NaN，您将看到相同的行为。包含浮点的序列将自动转换为浮点。

import pandas as pd
import numpy as np

data_dict = {'Ahmed':90, 'Ali':85, 'Omar':np.NaN} 

series = pd.Series(data_dict, index=['Ahmed','Ali','Omar'])

输出：

Ahmed    90.0
Ali      85.0
Omar      NaN
dtype: float64