You need to enable JavaScript to run this app. Pandas合并单列DataFrame时出现大量NaN值的解决咨询
优惠活动
大模型
产品
解决方案
定价
更多

Pandas合并单列DataFrame时出现大量NaN值的解决咨询

索引错位是导致合并出大量NaN的核心原因

从你贴的异常输出就能直接定位核心问题:

  • 两个DataFrame的当前索引完全没有重叠:Volume列的行索引是3、5、7,Price列的行索引是4、6,两边索引没有任何匹配值。
  • Pandas 所有横向合并操作(不管是pd.concat(axis=1)、pd.join还是默认参数下的pd.merge),匹配行的核心逻辑都是按索引值对齐。索引对不上的位置自然填充NaN,这也是你换了三种方法都没解决的根本原因——你试的这几个方法在默认参数下的匹配逻辑是完全一致的。
  • 你写的拼接代码还存在变量名和列顺序不匹配的小问题:实际df1存的是Price列数据,df2存的是Volume列数据,传参顺序错了只会打乱列顺序,解决不了索引错位的核心问题。
对应场景的最优修复方案

场景1:你需要按原始行顺序逐行对齐合并(没有共同键列,只是把两列拼到同一张表)

这是你当前输入结构对应的最常见场景,最简洁无冗余的实现是先重置两个DataFrame的索引为从0开始的连续整数,再做横向拼接:

# drop=True参数表示直接丢弃原来的错位索引,不把旧索引保留为新列
df1_clean = df1.reset_index(drop=True)
df2_clean = df2.reset_index(drop=True)

# 此时两个df的索引完全对齐,拼接后不会产生多余NaN
new_df = pd.concat([df1_clean, df2_clean], axis=1)

最终得到的整洁结果为:

Price  volume
0     20     200
1     12      50
2     43      10
3     45       5

场景2:你需要按真实业务键值(比如资产ID、交易日期)匹配合并

如果两个DataFrame实际有共同的业务匹配字段,不要依赖索引匹配,给merge指定明确的连接键即可:

# how='inner'表示只保留两边键值能匹配上的行
new_df = pd.merge(
    df1, 
    df2, 
    left_on="df1中用来匹配的键列名", 
    right_on="df2中用来匹配的键列名", 
    how="inner"
)

避坑提醒:不要为了快速消NaN就随意用fillna填充或者大规模dropna删除行,这类操作会误删真实存在的有效空值,完全没有解决索引错位的核心问题,属于治标不治本。


内容的提问来源于stack exchange,提问作者Samuel Lawrence

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.17 12:06:04