Pandas Series赋值同对象其他索引值时出现NaN的原因

出现赋值后得到NaN的核心原因是Pandas的索引对齐机制：所有Series、DataFrame之间的赋值、运算操作，Pandas默认按索引标签匹配数据，而非按元素的物理位置顺序匹配。

两种操作场景的差异：

• 对切片做数值计算、赋值标量时：x[['a','b']]/2的计算结果保留原切片的索引['a','b']，和赋值目标的索引完全一致，可正常赋值；标量无索引，会直接广播到所有目标位置，不存在匹配问题。
• 用同Series其他切片赋值时：x[['c','d']]返回的Series索引为['c','d']，而赋值目标位置的索引是['a','b']，两边索引无重叠匹配项，Pandas无法找到对应赋值内容，就会在目标位置填充NaN。

按位置赋值的正确写法 #

如果需要忽略索引、按元素位置顺序赋值，可以选以下两种常用方案：

1. 取右侧切片的.values属性（即底层NumPy数组），绕开索引对齐逻辑：

import pandas as pd
x = pd.Series([1.1, 2.2, 3.4, 5.6], ['a', 'b', 'c', 'd'])
x[['a', 'b']] = x[['c', 'd']].values
print(x)

运行结果：

a    3.4
b    5.6
c    3.4
d    5.6
dtype: float64

2. 用.iloc做纯位置索引切片，全程不依赖标签匹配：

import pandas as pd
x = pd.Series([1.1, 2.2, 3.4, 5.6], ['a', 'b', 'c', 'd'])
# 位置0、1对应标签a、b，位置2、3对应标签c、d
x.iloc[:2] = x.iloc[2:]
print(x)

运行结果和上述方案一致。

内容的提问来源于stack exchange，提问作者Timespace