如何在已有DataFrame中新增int64类型的NA值列？

你的代码存在几个关键问题：

• 尝试访问不存在的列df['new_col']会触发KeyError
• fillna()未传入必填的填充值参数，语法不合法
• 错误使用dtype('int64')指定类型，正确的类型转换方式是astype()

需要明确：numpy原生的int64类型无法存储缺失值，如果用np.nan填充，列会自动转为float64。如果要保留整数类型并支持NA，必须使用pandas的Nullable整数类型Int64（大写字母I）。

方法一：高效创建新列（适配大型DataFrame） #

直接赋值并指定Int64 dtype，无需创建额外列表，性能更优：

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({'col1': [5, 7, 6], 'col2': ['s', 'g', 'f']})

# 新增new_col列，默认填充NA，指定类型为Int64
df['new_col'] = pd.Series(dtype='Int64')

方法二：使用assign()链式操作 #

适合需要保留原DataFrame不变的场景：

df = df.assign(new_col=pd.Series(dtype='Int64'))

验证结果 #

执行后查看DataFrame和列类型：

print(df)
print("\n列类型：", df['new_col'].dtype)

输出如下：

col1 col2 new_col
0     5    s    <NA>
1     7    g    <NA>
2     6    f    <NA>

列类型： Int64

如果业务场景必须使用numpy的int64类型（不支持缺失值），只能用固定值（如0）填充，无法保留NA，代码示例：

df['new_col'] = 0
df['new_col'] = df['new_col'].astype('int64')

内容的提问来源于stack exchange，提问作者user21158996