Pandas创建含情感分析的DataFrame后出现空数据框，改列名无效

执行以下代码后得到空DataFrame：

df=pd.DataFrame(data, columns=["Date", "Time", "Contact", "Message"])
df['Date']=pd.to_datetime(df['Date'])

data=df.dropna()
from nltk.sentiment.vader import SentimentIntensityAnalyzer
sentiments=SentimentIntensityAnalyzer()
data["positive"]=[sentiments.polarity_scores(i)["pos"] for i in data["Message"]]
data["negative"]=[sentiments.polarity_scores(i)["neg"] for i in data["Message"]]
data["neutral"]=[sentiments.polarity_scores(i)["neu"] for i in data["Message"]]

data.head(50)

运行输出：

Empty DataFrame
Columns: [Date, Time, Author, Message, Positive, Negative, Neutral]
Index: []

修改列名后问题依然存在，无法生成正常数据表。

• 检查原始data变量有效性：创建df前先打印原始data，确认其本身是否包含有效数据，若原始数据为空，后续操作必然得到空表。
• 排查dropna()的过度删除：df.dropna()默认删除所有含空值的行，若原始数据每行都存在空值，执行后会清空数据。可先通过df.isnull().sum()统计各列空值数，再调整参数，比如用dropna(subset=["Message"])仅删除Message列为空的行，保留其他列有缺失但Message有效的数据。
• 核对列名匹配性：输出列中出现Author，但代码创建df时指定的是Contact，说明原始data的列名实际为Author，导致Contact列全为空，触发dropna()删除所有行。可通过print(df.columns)查看df实际列名，确保和原始数据列名一致。
• 修复日期转换异常：若Date列格式无法被pd.to_datetime()解析，会生成NaT空值，进而被dropna()删除。可添加errors='coerce'参数：df['Date']=pd.to_datetime(df['Date'], errors='coerce')，再通过df['Date'].isnull().sum()查看转换失败的行数，针对性调整日期格式或处理异常值。

内容的提问来源于stack exchange，提问作者Siddhant Jain