如何将Pandas中无效索引值替换为NaN并保留有效数据位置？

我目前使用以下代码：

originalmsg['async'] = originalmsg.rename(index=fpsdata.set_index('index')['name']).index
originalmsg['async time'] = originalmsg.rename(index=fpsdata.set_index('index')['start_time']).index
originalmsg['async data'] = originalmsg.rename(index=fpsdata.set_index('index')['data']).index

运行后生成的DataFrame中，async、async time、async data列的有效数据位置正确，但无数据的位置被填充了原索引数字，想将这些数字替换为NaN，请问有实现方法吗？

你现在的写法是通过重命名整个索引再赋值，未匹配的索引会保留原数值，换用映射替换或索引合并的方式就能自动把未匹配项设为NaN，同时保留有效数据的位置。

方法1：用map实现映射替换 #

先从fpsdata构建索引到对应字段的映射字典，再用index.map()完成替换：

# 构建index到name的映射，赋值给async列
name_map = fpsdata.set_index('index')['name'].to_dict()
originalmsg['async'] = originalmsg.index.map(name_map)

# 同理处理async time列
time_map = fpsdata.set_index('index')['start_time'].to_dict()
originalmsg['async time'] = originalmsg.index.map(time_map)

# 同理处理async data列
data_map = fpsdata.set_index('index')['data'].to_dict()
originalmsg['async data'] = originalmsg.index.map(data_map)

方法2：用join合并（效率更高） #

直接将fpsdata以index为键，和originalmsg按索引合并，再提取对应列赋值：

# 按索引合并两个表，只保留需要的字段
merged_df = originalmsg.join(fpsdata.set_index('index')[['name', 'start_time', 'data']])
# 将合并后的字段重命名并赋值给原表
originalmsg[['async', 'async time', 'async data']] = merged_df[['name', 'start_time', 'data']]

两种方法都会自动把originalmsg索引中，在fpsdata的index列里不存在的项设为NaN，完全符合你的需求。另外注意你原代码里的语法错误，fpsdata.set_index('index'['start_time'])括号不匹配，上面的代码已经做了修正。

内容的提问来源于stack exchange，提问作者Achen