我有一個(gè)系列和df

s = pd.Series([1,2,3,5])

df = pd.DataFrame()

當(dāng)我像這樣向df添加列時(shí)

df.loc[:, "0-2"] = s.iloc[0:3]

df.loc[:, "1-3"] = s.iloc[1:4]

我得到df

0-2 1-3

0 1 NaN

1 2 2.0

2 3 3.0

為什么我會(huì)得到NaN？我嘗試使用正確的idx創(chuàng)建新系列,但是將其添加到df仍然會(huì)導(dǎo)致NaN.

我想要的是

0-2 1-3

0 1 2

1 2 3

2 3 5

解決方法:

嘗試以下任一行.

df.loc[:, "1-3"] = s.iloc[1:4].values

# -OR-

df.loc[:, "1-3"] = s.iloc[1:4].reset_index(drop=True)

您的原始代碼嘗試將數(shù)據(jù)幀df的索引與子集系列s.iloc [1：4]的索引匹配失敗.如果找不到序列中的0索引,則會(huì)在該位置的df中放置一個(gè)NaN值.您可以通過(guò)僅保留值來(lái)解決此問(wèn)題,以便它不會(huì)嘗試在索引上匹配或在子集系列上重置索引.

>>> s.iloc[1:4]

1 2

2 3

3 5

dtype: int64

注意索引值,因?yàn)樵嫉姆亲蛹蛄腥缦?

>>> s

0 1

1 2

2 3

3 5

dtype: int64

df中第一行的索引為0.通過(guò)使用values調(diào)用刪除索引,可以繞過(guò)產(chǎn)生NaN的索引匹配.通過(guò)在第二個(gè)選項(xiàng)中重置索引,可以使索引相同.

標(biāo)簽：pandas,python

來(lái)源： https://codeday.me/bug/20191118/2024531.html

總結(jié)

以上是生活随笔為你收集整理的python数据框添加一列无列名_Python将列添加到数据框导致NaN的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。