Pandas中切片后结果变量y出现NaN值问题求助

看起来你遇到的问题核心是pandas的索引对齐机制在搞鬼，我来给你拆解一下：

当你从previous_games_stats取出Unnamed:7列时，y保留了原DataFrame的索引（比如原索引是0、1、2...一直到末尾）。执行y = y[9:]后，y的索引变成了9、10、11...，而你的final_df索引应该是从0开始的连续整数对吧？

这时候你把y赋值给final_df['outcome']，pandas会严格按照索引去匹配值：final_df里索引0-8的位置，在y里根本找不到对应的索引项，所以自动填充成NaN；而y里索引9及以后的内容，只有当final_df也有相同索引时才会被赋值，要是final_df的索引没到那么大，这部分值也会被忽略。最终就出现了你看到的整列都是NaN的情况。

给你几个可行的解决办法：

方法1：重置y的索引（推荐） #

用reset_index(drop=True)把切片后的y的索引改成从0开始的连续整数，这样就能和final_df的索引完美对齐：

y = previous_games_stats['Unnamed: 7'] #outcome variable (win/loss)
y = y[9:].reset_index(drop=True) # 重置索引，丢弃原索引
final_df['outcome'] = y

方法2：直接取数值数组忽略索引 #

如果你能确保final_df的行数和切片后的y的行数完全一致，可以直接提取y的数值部分，跳过索引对齐：

y = previous_games_stats['Unnamed: 7']
y = y[9:].values # 或者用.to_numpy()
final_df['outcome'] = y

额外排查步骤 #

要是上面的方法还没解决，你可以先验证两个点：

• 打印y[9:]看看它本身是不是真的有NaN（虽然你说原y正常，但说不定原数据第9行及以后确实是空的）
• 用len(y[9:])和len(final_df)对比，确认两者行数是否一致，行数不匹配也会导致部分位置出现NaN

内容的提问来源于stack exchange，提问作者tom44