向Pandas DataFrame添加一维列时数值被强制转为零的问题

问题重现 #

在Google Colab中操作时，向Pandas DataFrame添加由NumPy生成的一维列，标记为肿瘤样本的1被强制转为0。尝试两种赋值方式均未得到预期结果：

方式1：先转DataFrame再赋值

# set the targets: normal=0, tumor=1
y_normal = np.zeros(6485)
y_tumor = np.ones(1348)
combined_targets = np.concatenate([y_normal,y_tumor],axis=0)

combined_targets = pd.DataFrame(combined_targets)
combined_targets.columns = ["target"]

final_train_df = combined_df
final_train_df["target"]= combined_targets

final_train_df['target'].value_counts()

方式2：直接赋值NumPy数组

final_train_df['target'] = np.concatenate([y_normal,y_tumor],axis=0)

可能原因及解决办法 #

• 数据类型不匹配
  NumPy的zeros()和ones()默认生成float64类型数组，如果final_train_df已有列的 dtype 为整数类型（如int8/int32），赋值时可能因隐式类型转换出现异常。

解决：创建数组时显式指定整数 dtype，或赋值时强制转换：

# 方法1：创建整数类型数组
y_normal = np.zeros(6485, dtype=int)
y_tumor = np.ones(1348, dtype=int)
combined_targets = np.concatenate([y_normal, y_tumor], axis=0)
final_train_df['target'] = combined_targets

# 方法2：赋值时转换类型
final_train_df['target'] = np.concatenate([y_normal, y_tumor], axis=0).astype(int)

• 索引对齐问题
  如果combined_df的索引不是连续的默认整数索引，赋值时会按索引对齐，导致原本的1值无法匹配到对应行，被填充为0。

解决：重置combined_df的索引后再赋值：

final_train_df = combined_df.reset_index(drop=True)
final_train_df['target'] = np.concatenate([y_normal, y_tumor], axis=0)

• 长度不匹配
  确认combined_df的行数与combined_targets的长度一致（应为6485+1348=7833），如果行数不匹配，赋值时会出现缺失值填充问题。

验证代码：

print(f"DataFrame行数：{combined_df.shape[0]}")
print(f"目标数组长度：{len(combined_targets)}")

内容的提问来源于stack exchange，提问作者Anubrata Das