如何将不同索引的Series fc的值填充到fc_series的NaN位置？

问题根源 #

你遇到的问题是Pandas的索引对齐机制导致的：fc的索引是数字序列，而test_data.index是日期序列，两者没有匹配的索引标签，所以直接用pd.Series(fc, index=test_data.index)创建新Series时，Pandas找不到对应匹配项，结果还是全NaN。

具体解决方法 #

因为两个Series长度完全一致（都是638），可以用以下几种方式绕过索引对齐，直接赋值：

• 方法1：直接赋值底层值（最简便）
  直接提取fc的数值数组，赋值给fc_series，完全忽略索引：

  # 直接覆盖fc_series的现有值
  fc_series[:] = fc.values
  
  # 或者直接创建新的fc_series
  fc_series = pd.Series(fc.values, index=test_data.index)
  

• 方法2：重置索引后匹配
  先把fc的索引重置为默认的连续整数，再替换成目标日期索引：

  # 重置fc的索引，丢弃原有数字索引
  fc_reset = fc.reset_index(drop=True)
  # 替换为日期索引
  fc_series = fc_reset.set_axis(test_data.index)
  

• 方法3：用update/combine_first（适合后续有非NaN值的场景）
  如果之后fc_series可能存在非NaN值需要保留，可以用update方法（会用新值覆盖NaN）：

  fc_series.update(fc.reset_index(drop=True))
  

  或者combine_first（优先保留原Series的值，用新值填充NaN）：

  fc_series = fc.reset_index(drop=True).combine_first(fc_series)
  

内容的提问来源于stack exchange，提问作者Aayush Kaushal