从旧DataFrame切片建新DataFrame并指定行列为列名时全为NaN

问题场景 #

原DataFrame结构：

| 1 | 2 | 3 |
| - | - | - |
| a | b | c |
| d | e | f |
| g | h | i |
| k | l | m |

期望将第2行（值为d,e,f）设为新DataFrame的列名，后续行作为数据，得到：

| d | e | f |
| - | - | - |
| g | h | i |
| k | l | m |

问题原因 #

你当前的代码：

old_df = [['a', 'b', 'c'], ['d', 'e', 'f'], ['g', 'h', 'i'], ['k', 'l', 'm']]
old_df = pd.DataFrame(old_df, columns=[1, 2, 3])
new_df = pd.DataFrame(old_df.iloc[2:, :], columns=old_df.iloc[1, :].values)

出现NaN的核心原因是：old_df.iloc[2:, :]的列名还是原有的[1,2,3]，当你在pd.DataFrame()中指定新列名['d','e','f']时，pandas会因为列名完全不匹配，判定这些列没有对应数据，从而填充NaN。

正确解决方案 #

直接提取目标行作为新列名，再替换后续数据的列名即可，两种常用方式：

方式一：直接替换列名（简单直观）

import pandas as pd

old_df = [['a', 'b', 'c'], ['d', 'e', 'f'], ['g', 'h', 'i'], ['k', 'l', 'm']]
old_df = pd.DataFrame(old_df, columns=[1, 2, 3])

# 提取要作为列名的行值
new_cols = old_df.iloc[1].values
# 提取后续行数据
new_data = old_df.iloc[2:].copy()
# 替换列名
new_data.columns = new_cols

# 可选：重置索引（去掉原有的行索引）
new_data = new_data.reset_index(drop=True)

方式二：用rename映射列名

如果需要保留原列名的映射关系，可以用rename方法：

new_cols = old_df.iloc[1].values
# 构建原列名到新列名的映射字典
col_mapping = dict(zip(old_df.columns, new_cols))
new_df = old_df.iloc[2:].rename(columns=col_mapping).reset_index(drop=True)

最终结果 #

运行后得到的new_df结构如下：

d  e  f
0  g  h  i
1  k  l  m

内容的提问来源于stack exchange，提问作者Sean