Python 从DataFrame提取的列具有不同的索引

我遇到了以下情况：

some_df.index                 #=> Int64Index([0, 1], dtype='int64')
some_df['some_column'].index  #=> Float64Index([7.0, 5.0], dtype='object')

为什么会这样？这是否意味着

某些_df

的构造方式有问题？最后，确保我从

some_df

中提取的列都使用与

some_df

本身相同的索引的最佳方法是什么

---

编辑：我深入到代码中，显然有一行只是重新分配了索引：

some_df['some_column].index=some_df['other_column']

。这有多严重？

目前尚不清楚这是否是一个bug，尽管分配给序列索引可能会引起问题（获得这种行为可能相当棘手）。。。你绝对不应该这样做

要确认事实确实如此，请执行以下操作：

In [11]: df = pd.DataFrame([[1, 2], [3, 4]], columns=['A', 'B'])

In [12]: df
Out[12]:
   A  B
0  1  2
1  3  4

In [13]: df['A'].index
Out[13]: Int64Index([0, 1], dtype='int64')

In [14]: df['A'].index = [7., 8.]

In [15]: df['A'].index
Out[15]: Float64Index([7.0, 8.0], dtype='float64')

In [16]: df
Out[16]:
   A  B
0  1  2
1  3  4

因此，虽然这显然是有效的，但您将得到一些令人惊讶的（可能未定义的）行为

例如：

In [21]: df.groupby("A").sum()
Out[21]:
Empty DataFrame
Columns: [B]
Index: []

---

请发布原始数据、代码、熊猫、numpy和python版本，thanks@EdChum：我深入到代码中，显然有一行只是重新分配了索引：

some_df['some_column]=some_series

。这有多糟糕？对不起，我假设这是你的代码，而不是熊猫中的某个bug？@EdChum：是的，是第三方代码进行了重新分配，而不是熊猫代码。我只是想知道它有多正确，有多大可能会引起问题，等等。这取决于，我尝试将一个具有浮点索引的序列分配给一个具有int索引的df列，而该列的索引保持不变，您仍然需要发布原始输入数据以及最小的代码和库版本，否则，没有人能证实他们看到的和你看到的一样