Pandas：同长度同结构DataFrame添加列出现NaN的问题排查

核心原因：索引不匹配 #

哪怕两个DataFrame的长度、列结构完全一致，只要索引（index）不匹配（比如一个是默认的0开始整数索引，另一个是自定义字符串/日期索引，或是索引顺序被打乱），pandas赋值时会按索引对齐，找不到对应索引的行就会填充NaN。

解决办法 #

1. 重置索引后赋值

先把两个DataFrame的索引统一为默认整数索引，再执行赋值：

DAT01 = DAT01.reset_index(drop=True)
DAT02 = DAT02.reset_index(drop=True)
DAT01['CMGBA'] = DAT02['USDMWH']

2. 忽略索引，按位置直接赋值

如果确定两行的顺序完全对应，直接取列的底层数值数组赋值，跳过索引对齐逻辑：

# 两种写法都可行
DAT01['CMGBA'] = DAT02['USDMWH'].values
# 或者
DAT01['CMGBA'] = DAT02['USDMWH'].to_numpy()

3. 先验证索引一致性

可以先打印两个DataFrame的索引，确认是否真的一致：

print("DAT01索引：", DAT01.index)
print("DAT02索引：", DAT02.index)
# 直接比较索引是否完全匹配
print("索引是否一致：", DAT01.index.equals(DAT02.index))

内容的提问来源于stack exchange，提问作者Eduardo