Pandas中字典索引值变NaN、类型转float64问题求助

1. NaN出现的原因 #

Pandas索引是大小写敏感的。你的字典calories键为"Day 1"、"Day 2"、"day 3"，但创建new_series_1时指定的索引是["day 1", "day 2", "day 3"]——前两个索引首字母是小写d，和字典里的大写D不匹配，Pandas无法找到对应值，就会用NaN（缺失值）填充。只有第三个索引"day 3"和字典键完全一致，所以能正确取出380。

2. 数据类型从int64转为float64的原因 #

Pandas中的NaN属于numpy.float64类型，整数类型（int64）无法存储缺失值（整数没有“空值”的对应表示）。当Series中同时存在整数和NaN时，Pandas会自动将整个Series的类型升级为float64，以此容纳NaN，所以原本的整数380会被转为浮点型380.0。

3. w3schools示例正常的原因 #

示例里的字典键和指定索引是完全匹配的（包括大小写、拼写），Pandas能找到所有对应值，不会生成NaN，因此数据类型保持为int64。

修正代码示例 #

import pandas as pd

calories= {"Day 1": 450, "Day 2": 500, "day 3": 380}

# 方案1：让索引与字典键完全匹配
new_series_1= pd.Series(calories, index=["Day 1", "Day 2", "day 3"])
print(new_series_1)

# 方案2：统一字典键和索引的大小写（比如全小写）
calories_lower = {k.lower(): v for k, v in calories.items()}
new_series_2 = pd.Series(calories_lower, index=["day 1", "day 2", "day 3"])
print(new_series_2)

内容的提问来源于stack exchange，提问作者festus