DataFrame相乘遇NaN问题：直接用数值正常，取数相乘返回NaN

问题场景 #

正常情况 #

直接使用数值变量与impact_df['Land Use']相乘，结果正常：

c = -10245.945396
print(impact_df['Land Use'].mul(c))

输出：

2015   -1.711073e+06
2016   -1.711073e+06
2017   -1.711073e+06
2018   -1.711073e+06
2019   -1.711073e+06
Name: Land Use, dtype: float64

异常情况 #

从country_df筛选得到的coefficients与impact_df['Land Use']相乘，结果全为NaN：

coefficients = country_df[country_df['GeoRegion'] == region]['Coefficients']
print(coefficients)
print(impact_df['Land Use'].mul(coefficients))

输出：

7150   -9649.082503
Name: Coefficients, dtype: float64
2015   NaN
2016   NaN
2017   NaN
2018   NaN
2019   NaN
7150   NaN
dtype: float64

核心原因 #

Pandas的mul()方法默认会按索引对齐数据：

• impact_df['Land Use']的索引是年份2015-2019
• 筛选出的coefficients是一个带索引7150的Series，不是单纯的数值

两者索引完全不匹配，相乘时每个位置都找不到对应索引的匹配值，所以返回全NaN。而直接用数值变量相乘时，Pandas会把数值广播到整个Series，不需要索引对齐，因此结果正常。

解决方案 #

只需提取coefficients中的实际数值，而非保留Series结构，两种常用方式：

方式1：用.iloc[0]提取首个元素（确保筛选结果仅一行） #

coefficients = country_df[country_df['GeoRegion'] == region]['Coefficients'].iloc[0]
print(impact_df['Land Use'].mul(coefficients))

方式2：用.values[0]获取数值数组的首个元素 #

coefficients = country_df[country_df['GeoRegion'] == region]['Coefficients'].values[0]
print(impact_df['Land Use'].mul(coefficients))

执行后即可得到正常的计算结果，不会再出现NaN。

内容的提问来源于stack exchange，提问作者Dima