无法使用系列设置熊猫列值，而是将所有内容设置为 np.nan答案

【问题标题】：cannot set pandas column values using series, sets everything to np.nan instead无法使用系列设置熊猫列值，而是将所有内容设置为 np.nan
【发布时间】：2020-08-23 22:00:10
【问题描述】：

我有以下 pandas (pd) 数据框：

> df = pd.DataFrame({'x':[1,2,3], 'y':[4,5,6], 'z':[7,8,9]}, index=['one', 'two', 'three'])
> df
       x  y  z
one    1  4  7
two    2  5  8
three  3  6  9

还有一个系列：

s = pd.Series([99,99,99])

当我尝试将 b 中的这些值分配给 df 中的某个列时，我没有收到任何错误，但该列中的所有值都设置为 nan：

> df['y'] = s
> df
       x   y  z
one    1 NaN  7
two    2 NaN  8
three  3 NaN  9

在使用这种分配技术之前，我已经多次设置数据框列值，为什么这不起作用（不再）？

【问题讨论】：

标签： python pandas dataframe indexing nan

【解决方案1】：

问题在于DataFrame 和Series 中的索引值：它们不匹配。默认情况下，任何pandas索引都有从0开始计数的整数值，所以如果你不修改它们并且你的列长度和Series匹配，没有问题。

但是，您修改了df 的索引值并将它们设置为['one', 'two', 'three']。您应该确保：

Series 使用与DataFrame 相同的索引：

> s = pd.Series({'one': 99, 'two': 99, 'three': 99})
> df['y'] = s

或者，您可以只使用s 中的（无索引）值：
```
> df['y'] = s.values
```

获得：

> df
       x   y  z
one    1  99  7
two    2  99  8
three  3  99  9

【讨论】：

【解决方案2】：

重症监护室：

另一种方法。请尝试 df.assign

df.assign(y=s.values)

【讨论】：