你就快到了。
问题是，从另一个Series创建一个Series并传递一个Index将执行索引对齐，而这正是您在这里不希望看到的。
相反，只需传递fc的值：

out = pd.Series(fc.to_numpy(), index=fc_series.index)

字符串
或者，如果您想在适当位置修改fc_series：

fc_series[:] = fc.to_numpy()

型
输出量：

2020-12-16    4.899912
2020-12-17    4.900162
2020-12-18    4.900141
2020-12-21    4.900142
2020-12-22    4.900142
                ...   
2023-06-26    4.900142
2023-06-27    4.900142
2023-06-28    4.900142
2023-06-29    4.900142
2023-06-30    4.900142
dtype: float64

型

示例

import pandas as pd
data1 = {1888: 4.899912, 1889: 4.900162, 1890: 4.900141, 1891: 4.900142, 1892: 4.900142}
s1 = pd.Series(data1)
data2 = {'2020-12-16': float('nan'), '2020-12-17': float('nan'), '2020-12-18': float('nan'), 
         '2020-12-21': float('nan'), '2020-12-22': float('nan')}
s2 = pd.Series(data2)

字符串
第一个月

1888    4.899912
1889    4.900162
1890    4.900141
1891    4.900142
1892    4.900142
dtype: float64

型
s2个

2020-12-16   NaN
2020-12-17   NaN
2020-12-18   NaN
2020-12-21   NaN
2020-12-22   NaN
dtype: float64

型

编码

如果s2都是NaN，则使用此代码。

s1.set_axis(s2.index)

型
产出：

2020-12-16    4.899912
2020-12-17    4.900162
2020-12-18    4.900141
2020-12-21    4.900142
2020-12-22    4.900142
dtype: float64

型
如果s2中的某些值是NaN，并且您希望仅在s1中的值为NaN时填充它们，请使用以下代码。

s2.fillna(s1.set_axis(s2.index))

型