pandas设置DatetimeIndex后pint量化值显示NaN如何解决

这个现象不是你的操作错误，是pint-pandas扩展类型在pandas DataFrame初始化阶段的索引对齐兼容bug：你单独构造每一列pint类型Series时，默认使用从0开始的整数索引，当你在构造DataFrame时直接传入DatetimeIndex作为全局索引，pint扩展数组不会触发普通类型的自动重索引逻辑，而是直接按索引匹配取值，整数索引和时间索引没有任何匹配项，最终所有值就显示为NaN。
pint-pandas目前仍处于0.x早期开发阶段，对DatetimeIndex、重采样、多表合并等pandas原生操作的兼容确实存在不少边缘场景问题。

两种写法都能同时兼容DatetimeIndex和pint字节单位，且满足你单位仅用于计算换算、视图展示，不固化到原始数据的需求：

• 方案1：先构造带pint单位的DataFrame，最后统一赋值时间索引（写法最简洁）

# 构造阶段不传入index，避免初始化时的索引对齐问题
df = pd.DataFrame(
    {
        "code": pd.Series(mem_code, dtype="pint[byte]"),
        "data": pd.Series(mem_data, dtype="pint[byte]"),
        "heap": pd.Series(mem_heap, dtype="pint[byte]"),
        "stack": pd.Series(mem_stack, dtype="pint[byte]"),
        "total": pd.Series(mem_total, dtype="pint[byte]"),
    }
)
# 构造完成后再赋值DatetimeIndex，不会触发pint类型的对齐bug
df.index = pd.DatetimeIndex(dt)

print(df.pint.dequantify())

运行后所有数值和单位都会正常显示，不会出现NaN。

• 方案2：构造每一列pint Series时提前指定和全局一致的DatetimeIndex
  如果需要在DataFrame初始化阶段就绑定索引，可以给每个Series提前传入相同的DatetimeIndex，保证索引完全匹配，不会出现对齐失配：

dt_index = pd.DatetimeIndex(dt)
df = pd.DataFrame(
    {
        "code": pd.Series(mem_code, dtype="pint[byte]", index=dt_index),
        "data": pd.Series(mem_data, dtype="pint[byte]", index=dt_index),
        "heap": pd.Series(mem_heap, dtype="pint[byte]", index=dt_index),
        "stack": pd.Series(mem_stack, dtype="pint[byte]", index=dt_index),
        "total": pd.Series(mem_total, dtype="pint[byte]", index=dt_index),
    },
    index=dt_index
)

你不需要把单位固化到模型数据中：日常做内存相关计算时直接操作pint列即可，pint会自动完成字节、KB、MB等单位的换算，不需要手动写转换逻辑；需要取纯数值数据时，调用.pint.dequantify()就能拿到带单位标注的纯数值表，或者直接用.astype(int)/.astype(float)剥离单位拿到原始数值即可。
后续使用pint-pandas如果遇到类似的NaN问题，优先排查是不是不同索引在DataFrame初始化阶段触发了对齐bug，先构造列再赋值索引的写法可以绕开绝大多数这类兼容问题。

内容的提问来源于stack exchange，提问作者Matt