pandas DataFrame转换为Series时y列出现NaN值是什么原因？

你调用pd.Series()时传入的df.y本身是自带默认整数索引（索引值为0、1）的Series对象，额外指定index=df.ds时，pandas会自动执行索引对齐逻辑：用新传入的时间格式索引去匹配原有df.y的整数索引，二者完全无法匹配，最终返回的结果就全为NaN。

方法1：提取列的原始值构建Series #

取df.y的底层数值数组，避免带入原有索引参与对齐：

data = [['2021-10-14 18:12:00.000', '22811316'],['2021-10-14 18:42:00.000', '22700704']]
df = pd.DataFrame(data, columns = ['ds', 'y'])
series = pd.Series(df.y.values, index=df.ds)

输出结果：

ds
2021-10-14 18:12:00.000    22811316
2021-10-14 18:42:00.000    22700704
Name: y, dtype: object

方法2：通过设置索引直接转换（更推荐） #

直接将ds列设为DataFrame的索引后提取y列，无需手动构建Series，逻辑更简洁：

series = df.set_index('ds')['y']

输出结果和方法1完全一致。

内容的提问来源于stack exchange，提问作者Sameer Mahajan