本文介绍使用 Series.reindex() 方法高效、原生地按指定索引列表批量获取值，对不存在的索引自动填充（默认 NaN），避免显式循环和 get() 调用，兼顾性能与可读性。
本文介绍使用 `series.reindex()` 方法高效、原生地按指定索引列表批量获取值，对不存在的索引自动填充（默认 nan），避免显式循环和 `get()` 调用，兼顾性能与可读性。
在 Pandas 中，当需要根据一组键（如字符串 ID 列表）从 Series 中批量提取对应值，并对缺失索引赋予默认填充值（如 np.nan 或 0）时，最推荐、最符合 pandas 惯例的方式是使用 .reindex() 方法。
.reindex() 是专为“按目标索引重排/对齐数据”设计的核心方法。它会以输入索引列表为新索引，将原 Series 重新对齐：存在的索引保留原值，缺失索引则自动补上 fill_value（默认为 NaN）。随后通过 .values 或 .to_numpy() 提取底层 NumPy 数组，即可获得所需结果。
import pandas as pd
import numpy as np
ts = pd.Series({'a': 1, 'b': 2})
ids = ['a', 'c'] # 'c' 不在原始索引中
# ✅ 推荐：pandas 原生、向量化、高效
result = ts.reindex(ids).values
print(result) # [ 1. nan]
# 可自定义填充值（支持任意标量，如 0、-1、'missing' 等）
result_filled = ts.reindex(ids, fill_value=0).values
print(result_filled) # [1 0]⚠️ 注意事项：
- reindex() 返回的是一个新的 Series，其索引严格等于输入 ids，顺序也完全保持一致（非集合运算），这对保持原始请求顺序至关重要；
- .values 返回 numpy.ndarray（dtype 自动推断为 float64 以兼容 NaN）；若需显式控制 dtype，建议用 .to_numpy(dtype=float) 或配合 fillna() 后转换；
- 相比 [ts.get(k, np.nan) for k in ids] 这类 Python 循环，reindex() 是底层 C/Cython 实现，处理大规模索引时性能优势显著（尤其在数千以上条目时）；
- 若 ids 中含重复索引，reindex() 也会生成重复项（即结果长度 = len(ids)），符合直觉预期。
总结：Series.reindex(ids, fill_value=...) 是获取带默认填充的批量索引值的标准、高效、地道方案，应作为首选替代手写循环或 map()/get() 组合。
