PandasDataFrame中的.index属性将始终指向DataFrame的Index（行标签），而不是名为"index"的列。
如果我们想访问重置索引（列），那么似乎我们必须使用括号？
可以，或者您可以在重置索引时指定名称，例如：

df1.reset_index(names='the_index').the_index

# 0    0
# 1    1
# 2    2
# 3    3
# 4    4
# 5    5
# Name: the_index, dtype: int64

首先，当你不指定和索引时，pandas使用一个RangeIndex对象作为 Dataframe 的虚拟索引， Dataframe 是一个numpy数组的集合，这些数组自然地从0、1、2等开始索引。等等......它实际上并没有在内存中创建它的值，如果你打印了原始df1的索引，它将是一个RangeIndex，就像df1.reset_index().index一样。
reset_index有一个可选的drop参数。默认情况下，panda会获取现有的索引并将其转换为 Dataframe 的一列。这是一个RangeIndex对象，但必须将其扩展为一个实现的列，以适应df中的其他列。如果您包含drop=True，则不会有“index”列。
重置索引时， Dataframe 始终必须有一些索引，默认值是您看到的虚拟RangeIndex。
DataFrame有一个快捷方式，其中 * 某些 * 列可以通过属性名而不是项来寻址但是，如果列名不符合python的属性命名规则，或者它与现有属性冲突，则不能以这种方式引用它。.index是 Dataframe 索引，因此如果您碰巧也有一个列“index”，你需要通过方括号条目协议来访问它。
有人可能会说Pandas不应该允许属性访问路径，因为它不能被一致地使用。* 我 * 不会说（除非我完全会说）。

这样做是因为您打印的是不同的内容：

print(df1.reset_index().index)

等同于：

df = df1.reset_index()
print(df)

这首先向 Dataframe 添加一个Id索引，然后打印df的实际索引。

print(df1.reset_index()["index"])

相当于

df = df1.reset_index()
print(df["index"])

它首先向 Dataframe 添加一个Id索引，但同时保留“index”和“values”列，然后打印名为“Index”的列（不是df的索引）
如果要使“index”列成为索引，必须用途：

df = df1.set_index("index")