Pandas链式调用.assign时提取月份名称返回NaN问题排查

这种情况通常由以下几种常见问题导致：

1. 链式操作中丢失了目标datetime列/索引 #

链式操作的每一步都会返回新的DataFrame，若前面的步骤修改了结构（比如用set_index将datetime设为索引，或用drop删除了datetime列），后续assign中错误地访问列而非索引，就会返回NaN。

举个错误示例：

# 错误：resample后索引是datetime，但assign里去访问不存在的'date'列
df = (pd.read_csv('data.csv', parse_dates=['date'])
      .set_index('date')
      .resample('M').sum()
      .assign(month=lambda x: x['date'].dt.month_name())
     )

正确写法（访问索引的dt属性）：

df = (pd.read_csv('data.csv', parse_dates=['date'])
      .set_index('date')
      .resample('M').sum()
      .assign(month=lambda x: x.index.dt.month_name())
     )

2. datetime列类型被意外转换 #

链式中某一步若将datetime列转成了字符串（如astype(str)）或其他非datetime类型，.dt属性会直接失效，返回NaN。比如：

# 错误：先把date列转成字符串，后续.dt无法识别
df = (pd.read_csv('data.csv', parse_dates=['date'])
      .assign(date=lambda x: x['date'].astype(str))
      .assign(month=lambda x: x['date'].dt.month_name())
     )

解决方法是在assign前重新转回datetime类型：

df = (pd.read_csv('data.csv', parse_dates=['date'])
      .assign(date=lambda x: x['date'].astype(str))
      .assign(date=lambda x: pd.to_datetime(x['date']))
      .assign(month=lambda x: x['date'].dt.month_name())
     )

3. 作用域引用错误 #

assign中的lambda函数如果引用了外部的原始DataFrame，而非当前链式步骤的DataFrame，就会出现和单独执行逻辑不一致的情况。比如误写为：

# 错误：引用了外部的df而非当前步骤的x
df = (pd.read_csv('data.csv', parse_dates=['date'])
      .query('value > 100')
      .assign(month=lambda x: df['date'].dt.month_name())
     )

正确写法是使用lambda的参数（通常用x指代当前步骤的DataFrame）：

df = (pd.read_csv('data.csv', parse_dates=['date'])
      .query('value > 100')
      .assign(month=lambda x: x['date'].dt.month_name())
     )

排查技巧 #

可以在链式操作中插入.pipe(lambda x: print(x.info()))，查看每一步的DataFrame列、索引类型，快速定位datetime对象是否存在且类型正确。

内容的提问来源于stack exchange，提问作者Kareem Amr