从Pandas DataFrame提取间隔值写入另一DataFrame遇NaN问题求助

常见原因及对应解法 #

1. 提取逻辑错误（按索引而非位置切片） #

如果你的提取代码是按DataFrame的索引切片（比如df1['指定列'][::10]），当df1的索引不是连续整数时，会按索引步长10取值，而非实际行位置的每隔10行，导致提取的值不符合预期，甚至长度不匹配。

正确提取方式：用iloc按行位置切片，确保取的是每隔10行的实际数据：

# 从df1的指定列中，按行位置每隔10行提取值（从第0行开始）
extracted_list = df1['指定列'].iloc[::10].tolist()

2. 行号/长度不匹配 #

如果提取的列表长度和df2的行数不一致，直接赋值会导致长度不足的部分填充NaN；或者df2的索引不是连续整数，按列表位置赋值时索引无法对齐。

解法：

• 先确认列表长度和df2行数一致：

  # 若df2有N行，确保从df1中提取N个每隔10行的值
  extracted_list = [df1['指定列'].iloc[i*10] for i in range(len(df2))]
  

• 重置df2的索引为连续整数，避免索引对齐问题：

  df2 = df2.reset_index(drop=True)
  df2['新列名'] = extracted_list
  

3. 直接赋值Series导致索引不匹配 #

如果直接将提取的Series赋值给df2的新列，而两者索引无交集，会全量填充NaN。

正确做法：将提取的Series重置索引后再赋值，或者转成列表按位置赋值：

# 方式1：转列表赋值
df2['新列名'] = df1['指定列'].iloc[::10].tolist()

# 方式2：重置Series索引后赋值
df2['新列名'] = df1['指定列'].iloc[::10].reset_index(drop=True)

完整示例代码 #

import pandas as pd

# 模拟测试数据
df1 = pd.DataFrame({'指定列': range(100)})  # 100行数据
df2 = pd.DataFrame({'其他列': range(10)})  # 10行数据，对应df1的0,10,...,90行

# 提取每隔10行的值
extracted_list = df1['指定列'].iloc[::10].tolist()

# 重置df2索引并赋值
df2 = df2.reset_index(drop=True)
df2['新列'] = extracted_list

print(df2)

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