DataFrame 索引机制
在 pandas 中，索引（Index）本质上是一组用于数据选取和对齐的标签。它不需要像数据库主键那样严格唯一，但索引的唯一性和排序状态会直接影响许多操作的行为和性能。
核心索引器
pandas 提供了两套主要的索引方式：基于标签（Label）和基于位置（Position）。
import pandas as pd
df = pd.DataFrame({
"order_id": ["order-42", "order-43"],
"status": ["paid", "pending"],
"customer_id": ["C1", "C2"],
"amount": [120, 80],
}, index=["order-42", "order-43"])
df.loc["order-42", ["status", "amount"]] # 基于标签选取
df.iloc[0:10, [1, 3]] # 基于位置选取
df.at["order-42", "status"] # 基于标签获取单个标量
df.iat[0, 1] # 基于位置获取单个标量
切片语义差异：
.loc(标签)：当标签存在时，切片通常是闭区间（包含起止两端）。.iloc(位置)：遵循 Python 标准的半开区间语义（左闭右开，即start:stop不包含stop）。
设置与重置索引
indexed = df.set_index("order_id", verify_integrity=True)
plain = indexed.reset_index()
- 唯一性校验：如果业务逻辑要求索引唯一，务必设置
verify_integrity=True，否则重复值会导致后续操作报错或行为异常。 - 排序：如果后续操作依赖有序切片（如范围查询）或时间序列特性，请先对索引进行排序。
MultiIndex（多级索引）
MultiIndex 允许在单个轴上拥有多个标签层级。当数据具有天然层级结构，且需要频繁进行分层选择、重塑（Reshape）或分组输出时，它非常高效。
sales = pd.DataFrame({
"country": ["Canada", "Canada"], "city": ["Toronto", "Ottawa"], "amount": [10, 20]
})
by_region = sales.set_index(["country", "city"]).sort_index()
toronto = by_region.loc[("Canada", "Toronto")] # 精确到城市
canada = by_region.loc["Canada"] # 选取整个国家
使用建议：
- 如果层级结构只是临时的，或者下游工具（如某些数据库或 API）只接受扁平表格，优先使用普通列。
- 使用
reset_index可以将多级索引的层级还原为普通列。
对齐陷阱（Alignment Hazard）
pandas 的一个核心特性是自动对齐：涉及 pandas 对象的赋值和算术运算，默认会按标签进行对齐，而不是按位置。
- 风险：如果你本意是按位置操作，但数据标签不一致，pandas 会静默地插入
NaN或丢弃数据，导致难以排查的 Bug。 - 最佳实践：如果意图是按位置操作，请显式使用
.values或.to_numpy()转换，并严格验证数组长度。
静默对齐既是 pandas 强大灵活性的来源，也是产生意外缺失值（Missing Values）的最常见原因。
选择结果的形状与重复标签
上例标签唯一，因此 df.loc["order-42", ["status", "amount"]] 返回长度为 2 的 Series，df.iloc[0:10, [1, 3]] 返回 (2, 2) 的 DataFrame，两个标量示例都返回 "paid"。要保留 (1, 2) 的表格形状，用 df.loc[["order-42"], ["status", "amount"]]。位置切片遇到末尾会截断；单个位置越界则抛出 IndexError。
Index 是有序标签序列，不是数学上的集合：它允许重复。因此，看似选择单个标签的操作也可能返回多行。依赖标量结果前，需检查 df.index.is_unique 和 df.columns.is_unique。reindex 会按要求构造标签，并为不存在的标签补缺失值；严格的 loc 标签查找则会抛出 KeyError。