跳转至

Pandas Index 详解

概念与适用边界

Index 是行或列轴的不可变标签集合，决定选择、算术对齐、连接和重采样语义。它可以重复，但实体主键型索引通常应唯一；普通交换表也可把主键保留为列。

索引不是自动数据库主键，不提供外键、事务或持久化约束。默认 RangeIndex 只代表当前位置，不应被当作跨文件稳定标识。

关键 API 与返回

  • set_index(keys, drop=True, append=False, verify_integrity=False) -> DataFrame。
  • reset_index(level=None, drop=False, names=None) -> DataFrame。
  • reindex(labels=None, index=None, columns=None, method=None, fill_value=...) -> DataFrame/Series。
  • sort_index(axis=0, level=None, ascending=True, kind="quicksort")。
  • Index.is_unique、has_duplicates、duplicated：唯一性检查。
  • Index.get_indexer(target)：返回整数位置，未找到为 -1。
  • union、intersection、difference：集合式标签运算。

示例一：算术按索引对齐

import pandas as pd

price = pd.Series({"A": 10, "B": 20})
qty = pd.Series({"B": 3, "C": 4})
print(price * qty)
print(price.mul(qty, fill_value=0))

结果索引取两侧标签并集。普通乘法只有共同标签 B 有值；fill_value 只补单侧缺失，不会改变标签集合。

示例二：重索引与完整维度

import pandas as pd

sales = pd.DataFrame({"day": ["Mon", "Wed"], "amount": [10, 30]}).set_index("day")
calendar = pd.Index(["Mon", "Tue", "Wed"], name="day")
complete = sales.reindex(calendar, fill_value=0)
print(complete)
assert complete.index.equals(calendar)

reindex 按标签重排并创建缺失标签，不是按位置截取。对重复索引执行某些重索引会失败，应先解决重复含义。

示例三：验证主键

import pandas as pd

df = pd.DataFrame({"id": [1, 1, 2], "value": [8, 9, 7]})
duplicates = df[df["id"].duplicated(keep=False)]
print(duplicates)
if not df["id"].is_unique:
    print("id cannot safely become a unique index")

复制与性能语义

set_index、reset_index 和 reindex 通常返回新对象；是否共享底层块取决于操作与 Copy-on-Write，不能依赖视图行为。排序后的索引可提升范围切片和 MultiIndex 操作的可预测性，但频繁来回移动键会增加复制和认知成本。

常见错误与工程注意事项

  • loc 标签切片通常包含右端，iloc 位置切片不包含右端。
  • 重复标签使 df.loc[key] 的返回形状不稳定，可能是 Series 或 DataFrame。
  • get_indexer 的 -1 不能直接用于 iloc，否则会错误选中最后一行。
  • 合并前明确键来自列还是索引，并检查两侧 dtype、空值和重复键。
  • 时间索引应排序、统一时区，并区分业务日历与自然日。
  • CSV 默认不会保留索引语义；导出和回读时明确 index/index_col。