本文介绍如何使用 functools.reduce 一行完成多个 pandas index 的并集（union）运算，避免重复调用 union() 方法，提升代码简洁性与可维护性。
在 Pandas 中，Index.union() 方法仅支持两个索引对象之间的并集运算，当需要合并三个或更多索引（如 Idx1, Idx2, Idx3, Idx4, Idx5）时，传统写法需链式调用多次 union()，不仅冗长，还容易出错且难以扩展。幸运的是，Python 标准库中的 functools.reduce 提供了一种优雅的函数式解决方案：它能将一个二元操作（如 union）依次应用于序列中的所有元素，从而实现多索引的一次性聚合。
以下是一行实现多 Index 并集的推荐写法：
from functools import reduce import pandas as pd # 示例索引 Idx1 = pd.Index(['A', 'B']) Idx2 = pd.Index(['A', 'C']) Idx3 = pd.Index(['D', 'E']) Idx4 = pd.Index(['A']) # 一行完成多个 Index 的 union（自动去重、保持有序） result_index = reduce(lambda a, b: a.union(b), [Idx1, Idx2, Idx3, Idx4]) print(result_index) # Output: Index(['A', 'B', 'C', 'D', 'E'], dtype='object')
若还需统一设置索引名称（如 'depth'），可进一步链式添加 .set_names()：
result_index = reduce(lambda a, b: a.union(b), [Idx1, Idx2, Idx3, Idx4]).set_names('depth')✅ 注意事项：
- reduce 要求输入为非空列表；若索引列表可能为空，请先做长度校验（例如 if indexes: reduce(...)）；
- Index.union() 默认保留自然排序（对字符串/数字均有效），无需额外排序；
- 所有参与 union 的索引类型应兼容（如均为字符串型或数值型），否则可能触发隐式类型转换或警告；
- 替代方案如 pd.concat([s1, s2, s3], ignore_index=True).drop_duplicates().sort_values() 更繁琐且不保留原始 Index 属性（如 name、dtype），不推荐。
综上，reduce + lambda a,b: a.union(b) 是兼顾简洁性、可读性与性能的最佳实践，适用于任意数量的 Pandas Index 合并场景。
