使用Python的pandas库，我导入了一个csv，并将多个列设置为索引。出乎意料的是，当我显示数据帧时，索引列不再存在，并且我不能将索引列用作筛选器选项。谷歌告诉，当我设置索引时，我应该将"drop"设置为False。这让我怀疑，将panda索引视为类似于SQL索引是否是错误的。
假设我的数据看起来像这样（股票市场价格的简化伪示例）：
date, exchange, symbol, low, high, open, close, last
date、exchange和symbol足以唯一地标识一行。
首先，创建索引有什么意义？它是加快了查找速度，还是添加了一些对stack/unstack/ppivot/groupby等有用的语义信息？它会减少内存使用吗？
为什么要将日期、交换和符号从数据帧中移出（并移到索引序列中？）？把它们留在数据帧中，我可以把它们作为df[df.symbol=='MSFT']进行过滤，这难道没有意义吗？我想"drop"解决了这个问题，但事实上这不是默认的，这意味着我在这里误解了一些东西。
索引用于选择和对齐数据帧的行。我认为它们是数据帧行的标签，其中的行包含数据值。它们使您能够使用数据帧以方便的方式存储更高维度的数据。我发现它们一开始有点棘手，但当你调整数据集时，它们真的会闪闪发光。
您需要xs方法来访问多索引的内部级别。要想做什么，请尝试以下操作。
df.xs(('BATS', 'MSFT'), level=(1, 2))
或者，您可以避免设置索引，并使用布尔索引来选择多个条件。
bats_mask = df.exchange == 'BATS'
msft_mask = df.symbol == 'MSFT'
df[bats_mask & msft_mask]