为何用索引不同的Series为DataFrame列赋值会产生NaN？

先看你的代码场景：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(2, 1), index=["one", "two"])
print(df)
s = pd.Series(np.random.randn(2), index=["four", "five"])
df.loc[:, 0] = s
print(df)

运行后输出的DataFrame全是NaN：

0
one NaN
two NaN

而改用s.values就能成功赋值：

df.loc[:, 0] = s.values

直接赋值出现NaN的核心原因 #

这是Pandas的索引对齐机制导致的：

• 当把Series赋值给DataFrame列时，Pandas默认会按索引标签匹配数据，而非位置顺序。
• 你的DataFrame索引是["one", "two"]，Series索引是["four", "five"]，两者没有任何匹配的标签，DataFrame的每一行都找不到对应Series值，最终只能填充NaN。

用s.values能成功的原因 #

s.values会把Series转换成不带索引信息的NumPy数组，此时Pandas会忽略索引，直接按位置顺序将数组元素依次赋值给DataFrame的行，自然就能完成赋值。

内容的提问来源于stack exchange，提问作者LucG