如何用NaN填充Pandas Series缺失值（避免循环）

核心思路 #

通过生成目标连续数值范围，利用Pandas的reindex方法高效对齐原Series数据，缺失值自动填充为NaN，全程无需循环，保证执行效率。

代码实现 #

import pandas as pd
import numpy as np

# 定义原Series
s = pd.Series([2.0, 3.0, 4.0, 5.0, 7.0, 8.0, 9.0], index=[1, 2, 3, 4, 5, 6, 7])

# 生成从最小值到最大值的连续数值序列（步长1.0）
target_values = np.arange(s.min(), s.max() + 1, 1.0)

# 以原Series的值为索引构建新Series，再重新索引到目标序列，缺失值自动填充NaN
aligned_series = pd.Series(s.values, index=s.values).reindex(target_values)

# 转换为numpy数组（若需要Series则直接使用aligned_series即可）
result_array = aligned_series.values

输出结果 #

执行后result_array的值为：

np.array([2.0, 3.0, 4.0, 5.0, np.nan, 7.0, 8.0, 9.0])

关键说明 #

• np.arange(s.min(), s.max()+1, 1.0)：精准生成从原Series最小值到最大值的连续浮点数列，确保覆盖所有预期值。
• reindex：Pandas内置的高效对齐方法，底层基于向量化操作，比循环效率高得多，缺失的索引值（此处为6.0）会自动填充NaN。

内容的提问来源于stack exchange，提问作者maroke