您可以通过一个简单的示例看到差异。让我们考虑以下数据帧：
df = pd.Dataframe({'a': [1, 2],'b': [3, 4]})print (df) a b0 1 31 2 4索引则为0和1
如果
set_index与列“ a”一起使用，则索引为1和2。如果这样做
df.set_index('a').loc[1,'b']，则得到3。现在，如果您要使用
reindex相同的索引1和2（例如）
df.reindex([1,2])，则在执行操作时将获得4.0
df.reindex([1,2]).loc[1,'b']
发生的事情是，
set_index用（1,2）（“ a”列中的值）替换了先前的索引（0,1），而没有触及“ b”列中的值的顺序
df.set_index('a') ba 1 32 4同时
reindex更改索引，但将与原始df中的索引关联的列“ b”中的值保留
df.reindex(df.a.values).drop('a',1) # equivalent to df.reindex(df.a.values).drop('a',1) b1 4.02 NaN# drop('a',1) is just to not care about column a in my example最后，
reindex在不更改与每个索引相关联的行的值的情况下更改索引的顺序，同时
set_index将使用列的值更改索引，而无需触及数据框中其他值的顺序
