在 pandas 中，您可以使用 set_index() 将默认的基于整数的索引替换为由任意数量的列组成的索引。
不过，让我感到困惑的是，什么时候你想要这样做。无论系列是列还是索引的一部分，您都可以使用boolean indexing 过滤列中的值，或使用xs() 过滤行中的值。您可以使用sort_values() 或sort_index() 对列或索引进行排序。
我遇到的唯一真正区别是索引在存在重复值时会出现问题，因此使用索引似乎更具限制性，如果有的话。
那么，为什么我想在 Pandas 中将我的列转换为索引？
【问题讨论】：
在我看来，自定义索引有利于快速选择数据。
它们也可用于对齐 mapping、aritmetic operations（其中索引用于数据对齐）的数据、joining 数据以及每组获得最小或 maximal rows。
DatetimeIndex 适合partial string indexing，适合resampling。
但你是对的，重复索引是有问题的，尤其是reindexing。
Docs:
- 使用对分析、可视化和交互式控制台显示很重要的已知指标识别数据（即提供元数据）
- 启用自动和显式数据对齐
- 允许直观地获取和设置数据集的子集
【讨论】：
从 0.20.2 开始，某些方法（例如 .unstack()）仅适用于索引。
自定义索引，尤其是按时间索引，特别方便。除了在需要DateTimeIndex 的任何时间间隔内重新采样和聚合（后者使用.groupby() 和pd.TimeGrouper() 完成），您可以在列上调用.plot() 方法，例如df['column'].plot() 并立即获得时间序列图。
最有用的是对齐：例如，假设您有两组数据要添加；它们的标签一致，但以不同的顺序排序。如果您将它们的标签设置为其数据框的索引，您可以简单地将数据框添加在一起，而不必担心数据的顺序。
【讨论】：