关于Series索引确定逻辑的疑问及保留原DataFrame索引需求

为什么新Series的索引和原DataFrame不对应？ #

这取决于你获取唯一值的具体操作：

• 如果你用了df['列名'].unique()：这个方法返回的是numpy数组，数组本身不携带原DataFrame的索引信息。当你把它转成Series时，Pandas会自动生成从0开始的连续整数索引，自然和原DataFrame的索引对不上。
• 如果你用了df['列名'].drop_duplicates()后又做了索引丢失的操作（比如转成数组再重新生成Series）：drop_duplicates()本身会保留每个唯一值第一次出现时的原索引，但后续操作如果破坏了索引关联，就会生成新的默认索引。

如何获取带原索引的100个唯一值？ #

要保留原索引，得从保留索引关联的操作入手：

1. 先获取所有带原索引的唯一值Series：

   unique_series = df['列名'].drop_duplicates()
   

   这个Series里的每个值都是唯一的，且索引就是原DataFrame中该值第一次出现的行索引。

2. 从这个Series中随机选取100个（前提是唯一值总数≥100）：

   selected_100 = unique_series.sample(n=100, random_state=42)  # random_state可选，保证结果可复现
   

   这样得到的selected_100就是带原DataFrame索引的100个唯一值Series。

3. 如果需要按原数据顺序取前100个唯一值：

   selected_100 = unique_series.head(100)
   

额外说明 #

• 如果你之前是用unique()转Series导致索引丢失，直接改用drop_duplicates()就能保留原索引，再按需选取100个即可。
• 若原列的唯一值总数不足100，sample(n=100)会报错，这种情况需要先确认数据的唯一值数量，再调整选取逻辑。

内容的提问来源于stack exchange，提问作者adawg