Pandas中read_csv读取的有效数据转为DataFrame后全为NaN的原因？

我用Pandas读取多个TXT文件做数据处理，TXT样本内容如下：

0000000000000e+000,0.05844309,0.05078511
5000000000000e-001,0.05802771,0.01336614
0000000000000e-001,0.1123048,0.008524402
5000000000000e-001,0.1359783,0.005294179
0000000000000e+000,0.1028109,0.004224583
2500000000000e+000,0.1182408,0.005825941

（实际文件无空行）

我的代码如下：

os.chdir(ProcessedDataPath) #Path to the overall folder
PandasFilePath = 'Run_Data00001.txt' #this being the data file I'm reading
Data_RAW = pd.read_csv(PandasFilePath, header = None)
Data_RAW = Data_RAW.astype(float)
Data_Frame = pd.DataFrame(Data_RAW,columns=["Hz", "N", "m/s2"])

代码执行无报错，列名显示正确，但Data_Frame里所有值都是NaN，而Data_RAW的数据是正常的（已通过Anaconda变量查看器确认数据类型和内容）。试过移除NaN、修改数据类型，都没法让数据正常载入Data_Frame。

错误原因 #

你创建Data_Frame的写法逻辑有误：当使用pd.DataFrame(Data_RAW, columns=["Hz", "N", "m/s2"])时，Pandas会尝试从Data_RAW中匹配同名列，但Data_RAW的列是默认的0、1、2，和你指定的新列名不匹配，因此生成全NaN的结果。

修正方案 #

方案1：直接重命名原DataFrame的列

不需要新建DataFrame，直接给Data_RAW重命名列即可：

os.chdir(ProcessedDataPath)
PandasFilePath = 'Run_Data00001.txt'
Data_RAW = pd.read_csv(PandasFilePath, header = None)
Data_RAW = Data_RAW.astype(float)
# 映射原列索引到新列名
Data_Frame = Data_RAW.rename(columns={0: "Hz", 1: "N", 2: "m/s2"})

方案2：读取文件时直接指定列名（一步到位）

读取CSV时直接设置列名和数据类型，省去后续转换步骤：

os.chdir(ProcessedDataPath)
PandasFilePath = 'Run_Data00001.txt'
# 读取时指定列名+数据类型
Data_Frame = pd.read_csv(PandasFilePath, header=None, names=["Hz", "N", "m/s2"], dtype=float)

批量处理多个TXT文件的优化写法 #

如果你需要处理文件夹下多个TXT文件，可以用循环批量读取并合并：

import os
import pandas as pd

ProcessedDataPath = "你的目标文件夹路径"
os.chdir(ProcessedDataPath)

# 筛选出所有TXT文件
txt_files = [f for f in os.listdir() if f.lower().endswith('.txt')]

# 批量读取并合并
all_datasets = []
for file_name in txt_files:
    df = pd.read_csv(file_name, header=None, names=["Hz", "N", "m/s2"], dtype=float)
    # 添加文件名列，方便后续溯源数据来源
    df["source_file"] = file_name
    all_datasets.append(df)

# 合并成一个大DataFrame
final_data = pd.concat(all_datasets, ignore_index=True)

内容的提问来源于stack exchange，提问作者Andreas