使用Pandas的loc方法为何会在DataFrame中新增NaN行？

核心问题：混淆了标签索引与位置索引 #

你读取数据时用了index_col=0，这导致DataFrame的索引是原CSV第一列的自定义值（该数据集的索引是从1到414的连续整数），但循环中你用range(len(real_estate['X2 house age']))生成的是0到413的整数——这些值里有一部分（比如0）并不存在于原DataFrame的索引中。

而pandas的loc是标签索引，当你使用一个不存在的索引标签（比如0）去赋值时，它会自动新增一行对应索引的记录，只给指定列赋值，其他列自然就是NaN。这就是你看到末尾出现NaN行的原因。

两种解决办法 #

1. 改用位置索引（仅作逻辑理解，不推荐）

如果一定要保留循环逻辑，把loc换成iloc（位置索引），它按行/列的位置序号操作，和你的循环变量i匹配：

import pandas as pd

real_estate = pd.read_csv('real_estate.csv', index_col=0)
buckets = pd.cut(real_estate['X2 house age'], 4, labels=False).to_numpy()

# 获取目标列的位置索引
col_idx = real_estate.columns.get_loc('X2 house age')
for i in range(len(real_estate)):
    real_estate.iloc[i, col_idx] = buckets[i]

2. 直接赋值（推荐，符合Pandas风格）

完全不需要循环，直接把分桶结果赋值给原列即可，一行代码搞定：

import pandas as pd

real_estate = pd.read_csv('real_estate.csv', index_col=0)
real_estate['X2 house age'] = pd.cut(real_estate['X2 house age'], 4, labels=False)

这种方式既高效又避免了索引混淆的问题，还省去了转numpy数组的步骤。

内容的提问来源于stack exchange，提问作者Allexj