本文介绍使用 Series.reindex() 方法高效、原生地实现按指定索引列表批量取值，对不存在的索引自动填充（默认为 NaN），替代手动循环调用 .get()，兼具简洁性与性能优势。
本文介绍使用 `series.reindex()` 方法高效、原生地实现按指定索引列表批量取值，对不存在的索引自动填充（默认为 nan），替代手动循环调用 `.get()`，兼具简洁性与性能优势。
在实际数据分析中，我们常需根据一组键（如 ID 列表）从 Pandas Series 中批量提取对应值，但目标键可能部分不在原始索引中。若使用 [ts.get(k, np.nan) for k in ids] 虽可行，却依赖 Python 循环，缺乏向量化效率，也未充分利用 pandas 的底层优化。
更推荐的原生方案是 Series.reindex() ——它专为“按新索引重排并填充缺失”而设计，语义清晰、性能优异，且支持灵活的填充值控制。
✅ 基本用法：默认填充 NaN
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
result = ts.reindex(ids).values
print(result) # [ 1. nan]reindex(ids) 返回一个新 Series，其索引为 ids，存在键保留原值，缺失键自动补 NaN；.values 提取底层 NumPy 数组（dtype 自动提升为 float64 以容纳 NaN）。
⚙️ 自定义填充：fill_value 参数
如需用特定值（如 0、-1 或字符串）替代 NaN，直接传入 fill_value：
# 填充为整数 0（结果为 int64 数组） ts.reindex(ids, fill_value=0).values # array([1, 0]) # 填充为字符串（需确保 dtype 兼容） ts.astype(str).reindex(ids, fill_value='missing').values # array(['1', 'missing'])
⚠️ 注意事项
- reindex 默认不修改原 Series，返回新对象，安全无副作用；
- 若 ids 包含重复索引，结果中对应位置将重复出现原值（非聚合）；
- 当原始 Series 含 object 类型且含混合数据时，fill_value 类型需兼容，否则可能触发隐式类型转换；
- 对于超大规模索引匹配场景，reindex 底层基于哈希查找，性能显著优于列表推导式。
✅ 总结
ts.reindex(ids).values 是获取带缺失填充的批量索引值的最地道、高效方式。它既是 pandas 的核心设计模式，也契合向量化计算哲学——避免显式循环，让数据操作更简洁、更快速、更可维护。
