Python向dataframe添加列会导致NaN

我有一个系列和df

s = pd.Series([1,2,3,5])
df = pd.DataFrame()

当我像这样向df添加列时

df.loc[:, "0-2"] = s.iloc[0:3]
df.loc[:, "1-3"] = s.iloc[1:4]

我得到了df

   0-2  1-3
0    1  NaN
1    2  2.0
2    3  3.0

为什么我会变傻？我尝试使用正确的IDX创建新系列，但将其添加到df仍然会导致NaN

我想要的是

   0-2  1-3
0    1  2
1    2  3
2    3  5

---

请尝试下列任一行

df.loc[:, "1-3"] = s.iloc[1:4].values
# -OR-
df.loc[:, "1-3"] = s.iloc[1:4].reset_index(drop=True)

原始代码尝试将数据帧的索引

df

与子集系列的索引

s.iloc[1:4]

匹配失败。当在序列中找不到

0

索引时，它会在该位置的

df

中放置一个

NaN

值。您可以通过只保留这些值来绕过这个问题，这样它就不会试图在索引上匹配，或者在子集序列上重置索引

>>> s.iloc[1:4]
1    2
2    3
3    5
dtype: int64

请注意索引值，因为原始的取消设置系列如下

>>> s
0    1
1    2
2    3
3    5
dtype: int64

---

df

中第一行的索引为0。通过删除带有

值的索引

调用，可以绕过产生

NaN

的索引匹配。通过在第二个选项中重置索引，可以使索引相同。

因此，也许我应该以某种方式重置索引？当然。您也可以使用以下内容

s.iloc[1:4]。重置索引（drop=True）