Python 既然s和t的索引都相同，为什么t返回NaN作为第一个值？

系列t的第一个值为NaN，但s的值为NaN。为什么这一系列的指数都一样呢

import numpy as np
import pandas as pd
s = pd.Series([1,2,3,4,5,6],index= [1,2,3,4,5,6])
t = pd.Series([2,4,6,8,10,12],index= [1,2,3,4,5,6])
df = pd.DataFrame(np.c_[s,t],columns = ["MUL1","MUL2"])
df["MUL2"] =t

df


Output:

  MUL1     MUL2
0  1        NaN
1  2        2.0
2  3        4.0
3  4        6.0
4  5        8.0
5  6        10.0

---

如果生成具有不同索引值的assign

系列

，则会丢失值，如第一行中的值。要正确分配，需要在

系列

和

数据帧

中使用相同的值

问题是

np.c

返回没有索引值的2d数组：

print (np.c_[s,t])
[[ 1  2]
 [ 2  4]
 [ 3  6]
 [ 4  8]
 [ 5 10]
 [ 6 12]]

因此，如果使用

DataFrame

构造函数被创建，那么默认的

Range\u索引从
0
开始：

df = pd.DataFrame(np.c_[s,t],columns = ["MUL1","MUL2"])
print (df)
   MUL1  MUL2
0     1     2 <- first 0 index
1     2     4
2     3     6
3     4     8
4     5    10
5     6    12

print (s)
1    1 <- first 1 index
2    2
3    3
4    4
5    5
6    6
dtype: int64

print (t)
1     2 <- first 1 index
2     4
3     6
4     8
5    10
6    12
dtype: int64

因此，如果分配
t
，例如分配给新列，则所有工作正常，因为
df
和
t
中的索引相同：

df["MUL3"] =t
print (df)
   MUL1  MUL2  MUL3
1     1     2     2
2     2     4     4
3     3     6     6
4     4     8     8
5     5    10    10
6     6    12    12

df = pd.DataFrame(np.c_[s,t],columns = ["MUL1","MUL2"], index=t.index)
print (df)
   MUL1  MUL2
1     1     2
2     2     4
3     3     6
4     4     8
5     5    10
6     6    12

df["MUL3"] =t
print (df)
   MUL1  MUL2  MUL3
1     1     2     2
2     2     4     4
3     3     6     6
4     4     8     8
5     5    10    10
6     6    12    12