列表与numpy数组中__index__方法的调用时机是什么？

嘿，我之前对__index__()这个魔术方法完全没概念，直到碰到相关问题后，才去翻了官方文档、PEP规范还有社区里的讨论，总算搞明白它在索引/切片操作里的作用。

核心逻辑其实是这样的：当你对可索引/可切片的对象（比如列表、numpy数组、pandas的各类数据结构）使用[]运算符时，如果传入的key实现了__index__()方法，那么底层会自动调用这个方法把key转换成整数索引，也就是说lst[key]等价于lst[key.__index__()]。

不过这里得提一句，不同对象的实际表现会有差异：

• 对于普通Python列表来说，这个逻辑很直接——只要__index__()返回合法的整数，就能正确定位到对应位置的元素；
• 但numpy和pandas的情况要复杂得多，因为它们的索引系统本身就做了扩展：numpy会结合数组维度对返回的整数做校验，pandas则会把这个逻辑和自身的标签索引体系结合起来，最终结果取决于这些库对__index__()的具体实现。

举个简单的自定义类例子，你就能直观感受到它的作用：

class CustomIndex:
    def __index__(self):
        # 固定返回整数2
        return 2

my_list = ["苹果", "香蕉", "橙子", "葡萄"]
# 使用CustomIndex实例作为索引
print(my_list[CustomIndex()])  # 输出：橙子

当然，也不是所有索引场景都依赖__index__()，比如切片对象slice(1, 3)就有自己的处理逻辑，但如果你想让自定义对象能被当作整数索引使用，实现__index__()就是必须的步骤。

内容的提问来源于stack exchange，提问作者OriolAbril