我试了你的代码。这是一个简单的修复。Python，像很多程序一样是区分大小写的。你只需要修改你的语句。
更改自：

new_series_1= pd.Series(calories, index=["day 1", "day 2", "day 3"])

至：

new_series_1= pd.Series(calories, index=["Day 1", "Day 2", "day 3"])

注意大写字母。
当我确保列名匹配时，我得到了类似的输出。

Day 1    450
Day 2    500
day 3    380
dtype: int64
Day 1    450
Day 2    500
day 3    380
dtype: int64

希望能有所帮助。
祝你好运

tl;dr

在new_series_1中，calories键与index值不匹配，并且正在使用后者重新索引Series，因此出现NaN和float64。

说明

首先用calories初始化new_series，它是一个具有int值的dict：

calories= {"Day 1": 450, "Day 2": 500, "day 3": 380}
new_series= pd.Series(calories)

所以Pandas知道它们最好被当作int64。
然后在index中设置2个不同的值，day 1和day 2，不大写：

new_series_1= pd.Series(calories, index=["day 1", "day 2", "day 3"])

在calories的键和index的值之间不再有对应关系，所以Pandas默认为float64以进行最佳猜测。事实上，docs中的一个例子表明：
使用指定的索引从字典构造系列

d = {'a': 1, 'b': 2, 'c': 3}
ser = pd.Series(data=d, index=['a', 'b', 'c'])
ser
a   1
b   2
c   3
dtype: int64

字典的键与索引值匹配，因此索引值无效。

d = {'a': 1, 'b': 2, 'c': 3}
ser = pd.Series(data=d, index=['x', 'y', 'z'])
ser
x   NaN
y   NaN
z   NaN
dtype: float64

请注意，索引首先是使用字典中的键构建的。在此之后，使用给定的索引值重新索引Series，因此我们得到的结果是所有NaN。
在这里，它解释了何时基于Index更改dtype：

**如果dtype是None，我们会寻找最适合数据的dtype。**如果提供了实际的dtype，我们会胁迫使用该dtype（如果安全的话）。否则，会引发错误。