最常用且安全的重置索引方式是reset_index(drop=True)，它将索引重置为0,1,2…并彻底丢弃旧索引；不加drop=True会将原索引转为名为index的新列，易引发错误。
用 reset_index() 重置索引并丢弃旧索引
直接调用 reset_index(drop=True) 是最常用也最安全的方式。它会把当前索引变成默认的整数序列（0, 1, 2…），同时彻底丢弃原索引列，不把它保留在 DataFrame 中。
常见错误是只写 reset_index() 不加 drop=True，结果旧索引被转成一个新列（默认列名是 index），反而多出一列数据，容易引发后续操作报错或逻辑混乱。
实操建议：
- 始终显式写
drop=True，避免意外保留旧索引列 - 如果原 DataFrame 已有名为
index的列，reset_index(drop=True)不会影响它——它只处理“索引”，不碰普通列 - 该操作默认返回新 DataFrame；如需就地修改，加参数
inplace=True，但更推荐链式写法：df = df.reset_index(drop=True)
为什么不能用 set_index() 或 reindex() 替代？
set_index() 是用来**设置**某列为新索引，不是重置；reindex() 是按指定标签重新对齐行，不改变索引结构本身。两者都无法实现“清空旧索引、换回默认整数序号”的目标。
立即学习“Python免费学习笔记（深入）”；
典型误用场景：
- 执行
df.set_index('some_col')后又想“恢复”，误以为再跑一次df.set_index(df.index)就能还原——实际只是把当前索引设成自己，毫无意义 - 用
df.reindex(range(len(df)))看似能重排，但若原索引含重复值或缺失，reindex()可能引入NaN行，且不清理旧索引元数据
打乱后重置索引的完整链路：先 sample() 再 reset_index()
如果你是用 sample() 打乱顺序（比如做训练集切分），那重置索引必须在采样之后立即执行，否则索引会保留原始位置编号，导致后续 iloc 和 loc 行为不一致。
示例：
df_shuffled = df.sample(frac=1, random_state=42).reset_index(drop=True)
注意点：
-
frac=1表示全量采样，即打乱全部行 -
random_state保证可复现；不设的话每次运行结果不同 - 务必把
reset_index(drop=True)接在sample()后面，不能分开写两行再赋值——中间若有其他操作（如过滤），可能让索引再次脱节
重置后仍报 KeyError: 'index'？检查是否有多余的 index 列
如果之前不小心执行过 reset_index() 却没加 drop=True，DataFrame 里就会多出一列叫 index。之后再调用 reset_index(drop=True) 不会删它——因为那是普通列，不是索引。
此时要先确认：
- 运行
df.columns.tolist()，看输出里是否有'index' - 如果有，用
df = df.drop(columns=['index'])手动删掉 - 再执行
df.reset_index(drop=True)才真正干净
这个细节很容易被忽略：索引和名为 index 的列是两回事，Pandas 不会自动帮你区分或覆盖。
