reset_index() 默认不删除原索引列，而是将其转为普通列；需加 drop=true 才真正丢弃，inplace=true 可直接修改原对象，否则须赋值接收返回值。
reset_index() 为什么没删掉原来的索引列
默认情况下，reset_index() 只是把原索引变成一列普通数据，并不会丢弃它——这是最常被误解的一点。你看到 DataFrame 多出一列叫 index 或者你原来索引的名字，不是 bug，是默认行为。
- 用
drop=True才真正扔掉旧索引（不把它转成新列） - 用
inplace=True是直接改原 DataFrame，否则返回新对象（很多人忘了接返回值，结果白调了） - 如果原索引有名字（比如
df.index.name = 'date'），那这名字会变成新列的列名，除非你加drop=True
示例：
df = df.reset_index(drop=True)—— 这才干净。
reset_index() 后 index 不是从 0 开始？
正常情况它就是从 0 开始的整数索引。但如果遇到“没重置成功”，大概率是：你调用了但没赋值，或者用了 inplace=False（默认值）却没接返回值。
- 检查是否写了
df.reset_index()却没写df = df.reset_index() - 确认没在链式操作里漏掉括号或写错位置，比如
df.sort_values('x').reset_index()[['a','b']]——这里reset_index()生效了，但索引确实重置了，只是你后续切片没影响索引 - 极少数情况是上游操作（如 groupby、concat）自带 preserve_index=False 类似逻辑，导致 reset 前索引已乱，reset 只是“规整”它，不是“修复”
reset_index() 和 set_index() 搞反了怎么办
这两个函数是镜像操作，但方向相反：reset_index() 把索引变列，set_index() 把列变索引。容易踩坑的是：想恢复原始顺序，却误用 set_index('index')，结果多套了一层命名索引。
立即学习“Python免费学习笔记（深入）”；
- 如果你之前用
reset_index(drop=False)得到一列叫index，现在想“撤回”，别用set_index('index')，那是重新设索引，不是还原 - 真正还原的方式是：先删掉那列（
df.drop(columns=['index'], inplace=True)），再reset_index(drop=True) - 更稳妥的做法是——操作前备份索引：
orig_idx = df.index，需要时直接df.index = orig_idx
reset_index() 在 pandas 2.0+ 里有什么变化
主要变在参数兼容性上。level 和 col_level 这些多级索引参数没动，但如果你传了废弃参数（比如旧版支持的 take_last），现在会直接报 TypeError。
- pandas ≥ 2.0 不再容忍
reset_index(name='xxx')这种写法（name参数已被移除） - 如果 DataFrame 有 MultiIndex，
reset_index()默认展开所有层级；要只展开某一层，必须显式写level=0或level='name' - 性能上，
drop=True比默认快一点，尤其大数据量时，少一次列拷贝
错误示例：
df.reset_index(name='id') # pandas 2.0+ 直接报错：unexpected keyword argument 'name'
复杂的地方往往不在函数本身，而在于你搞不清“当前索引到底是什么”——建议每次调用前先看一眼 df.index 和 df.columns，比查文档更快定位问题。
