用Series字典创建DataFrame指定索引出现NaN的原因咨询

问题代码与现象 #

import pandas as pd  # 注：原代码缺少导入，实际运行需补充

dict_with_series = {'Even':pd.Series([2,4,6,8,10]),'Odd':pd.Series([1,3,5,7,9])}  

Data_frame_using_dic_Series = pd.DataFrame(dict_with_series)

# 取消注释后运行会出现NaN和异常行列
# Data_frame_using_dic_Series = pd.DataFrame(dict_with_series,index=[1,2,3,4,5])

display(Data_frame_using_dic_Series)

未指定索引时运行正常，但指定index=[1,2,3,4,5]时，结果出现NaN值，还产生了额外行列，想了解原因及是否存在操作错误。

原因解释 #

这不是操作错误，而是没搞懂pandas的索引对齐逻辑：

• 创建未指定索引的pd.Series时，pandas默认分配从0开始的整数索引（0,1,2,3,4），对应列表里的每个元素。
• 在pd.DataFrame()中指定index=[1,2,3,4,5]时，pandas会严格按照你给出的索引标签构造行，再从每个Series中查找对应标签的值：
  • 原Series中索引1-4的位置有对应值，能正常填充；
  • 原Series里没有索引5的项，所以这一行的两个列都会显示NaN；
  • 原Series中索引0的项（值2和1）因为不在指定的新索引里，会直接被丢弃，不会出现在结果中。

解决方法 #

如果想让新DataFrame的索引是1-5，同时保留所有原数据，有两种简单方式：

方法1：创建Series时直接指定目标索引

import pandas as pd

dict_with_series = {
    'Even': pd.Series([2,4,6,8,10], index=[1,2,3,4,5]),
    'Odd': pd.Series([1,3,5,7,9], index=[1,2,3,4,5])
}
Data_frame_using_dic_Series = pd.DataFrame(dict_with_series)
display(Data_frame_using_dic_Series)

方法2：先创建DataFrame，再重新设置索引

import pandas as pd

dict_with_series = {'Even':pd.Series([2,4,6,8,10]),'Odd':pd.Series([1,3,5,7,9])}
Data_frame_using_dic_Series = pd.DataFrame(dict_with_series)
# 重置索引并丢弃原索引，再把索引起始值改成1
Data_frame_using_dic_Series = Data_frame_using_dic_Series.reset_index(drop=True)
Data_frame_using_dic_Series.index += 1
display(Data_frame_using_dic_Series)

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