Python 获得NaN'；s，而不是dataframe列中的正确值

我使用以下语法创建了一个由零组成的数据帧：

ltv = pd.DataFrame(data=np.zeros([actual_df.shape[0], 6]),
                        columns=['customer_id',
                                'actual_total',
                                'predicted_num_purchases',
                                'predicted_value',
                                'predicted_total',
                                'error'], dtype=np.float32)

ltv['customer_id'] = actual_df['customer_id']

结果完全如预期的那样

customer_id | actual_total | predicted_num_purchases | predicted_value | predicted_total | error
0   0.0          0.0             0.0                         0.0              0.0           0.0
1   0.0          0.0             0.0                         0.0              0.0           0.0
2   0.0          0.0             0.0                         0.0              0.0           0.0

运行此语法时：

ltv = pd.DataFrame(data=np.zeros([actual_df.shape[0], 6]),
                        columns=['customer_id',
                                'actual_total',
                                'predicted_num_purchases',
                                'predicted_value',
                                'predicted_total',
                                'error'], dtype=np.float32)

ltv['customer_id'] = actual_df['customer_id']

我在

ltv['customer\u id']

中获得了所有的NAN。这是什么原因造成的？我如何防止它发生

---

NB：我还检查了

actual_df

，其中没有NaN

您需要在这两个数据帧中使用相同的索引值（以及两个数据帧的相同长度）

因此，第一种解决方案是在

actual_df

中创建默认的

RabgeIndex

，在

ltv

中未指定，因此默认创建：

actual_df = actual_df.reset_index(drop=True)
ltv['customer_id'] = actual_df['customer_id']

或者将参数

索引

添加到

数据帧

构造函数：

ltv = pd.DataFrame(data=np.zeros([actual_df.shape[0], 6]),
                        columns=['customer_id',
                                'actual_total',
                                'predicted_num_purchases',
                                'predicted_value',
                                'predicted_total',
                                'error'], dtype=np.float32,
                        index=actual_df.index)

ltv['customer_id'] = actual_df['customer_id']

另一种选择（比jezrael的伟大答案更复杂）是使用

pd.concat（）

，然后使用

.drop（）

：

这听起来很熟悉：P