本文主要是介绍在DataFrame中新建列赋值后全部为NaN的问题释疑，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
在pandas中，有时候我们对一个df以如下方式新创建一个列，然后用一个Series赋值给新建的列，但是发现得到的新列的值全部为NaN，这是什么原因呢？
df['newColumn']=df_other['otherColumn']注意以上赋值方式中，等号右边为一个Series，这时就需要考虑这个Series的index和df的index是否一致，如果不一致，那么就会造成在不一致的索引上的值全部为NaN，所以这个问题就是由Series赋值，索引不一致造成的。因为Series本身就带有索引，赋值时，还会同时按顺序进行两者的索引匹配，只有索引匹配上的行才会成功赋值，而没有匹配上的就会为NaN。
当我们不想要这种匹配，只想直接把df_other['otherColumn']的值赋给df['newColumn']时，只需去掉索引即可，可以通过list(df_other['otherColumn'])或者df_other['otherColumn'].values等方式进行转化，这样就可以避免这个问题。
这篇关于在DataFrame中新建列赋值后全部为NaN的问题释疑的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
