给Pandas DataFrame添加Datetime列时出现NaN值问题求助

先排查最常见的两个核心原因：

1. 数据长度不匹配 #

先确认你要赋值的date序列（不管是list、Series还是数组）和df1的行数是否完全一致：

print(f"DataFrame行数: {len(df1)}, date序列长度: {len(date)}")

如果两者长度不一样，赋值时因为无法一一对应，自然会出现NaN。解决方法是调整date的长度，确保和df1的行数完全相同。

2. 索引不匹配 #

如果长度一致但还是出现NaN，大概率是索引不匹配。比如df1的索引是自定义的（比如从100开始、或者是字符串索引），而date转成Series后的默认索引是0,1,2...，这时候赋值会严格按索引匹配，匹配不上的位置就会填充NaN。

解决方法有两种：

• 忽略索引，直接按位置赋值：

  # 如果date是Series用.values；如果是list直接赋值即可
  df1['date'] = date.values if hasattr(date, 'values') else date
  

• 显式指定date的索引和df1一致：

  import pandas as pd
  df1['date'] = pd.Series(date, index=df1.index)
  

额外注意：避免视图/副本问题 #

如果df1是通过原DataFrame切片得到的（比如df1 = df_original[df_original['col'] > 0]），可能会导致df1是原数据的视图而非独立副本，直接赋值列可能出现异常。这时候先创建副本再操作：

df1 = df_original[df_original['col'] > 0].copy()

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