疑问：Pandas索引未严格对齐时算术运算结果为何按字母排序？

核心逻辑：对齐优先，默认排序索引 #

Pandas对带标签的对象（Series、DataFrame）执行算术运算时，核心步骤是按标签对齐数据。为了保证运算结果的一致性，对齐过程中会默认对参与运算的所有索引进行排序，最终结果的索引就是排序后的合并索引。

拿你给出的示例来说：

import pandas as pd
s1 = pd.Series([1, 1, 1], index=['B', 'A', 'C'])
s2 = pd.Series([2, 3, 1], index=['B', 'C', 'A'])

执行s1 * s2时，Pandas会先将两个Series的索引统一排序为['A', 'B', 'C']，再按对应标签完成乘法运算，所以结果的索引呈现排序后的顺序。

为什么默认采用排序设计？ #

这个规则是为了避免因输入顺序不同导致结果结构混乱：

• 只要两个对象的标签集合一致，不管输入时索引顺序如何，运算结果的索引顺序固定，保证结果的可预测性。
• 当两个对象的索引存在部分交集时，排序后的索引能更清晰地展示所有参与运算的标签，便于后续处理。

保留原索引顺序的解决方法 #

正如你发现的，通过reindex_like方法让其中一个对象的索引与目标对象完全对齐，就能保留原索引顺序：

# 保留s1的索引顺序进行运算
result = s1 * s2.reindex_like(s1)
# 输出结果：
# B    2
# A    1
# C    3

对于DataFrame，同样可以用df2.reindex_like(df1)来对齐行索引和列的顺序，再执行算术运算即可保留目标结构。

内容的提问来源于stack exchange，提问作者gergoing