只需将所需的值作为第一个参数传递，如0、math.inf或这里的np.nan。然后构造函数初始化并填充值数组到参数index和columns指定的大小：

>>> import numpy as np
>>> import pandas as pd
>>> df = pd.DataFrame(np.nan, index=[0, 1, 2, 3], columns=['A', 'B'])

>>> df
    A   B
0 NaN NaN
1 NaN NaN
2 NaN NaN
3 NaN NaN

>>> df.dtypes
A    float64
B    float64
dtype: object

字符串

可以在构造DataFrame时直接指定dtype：

>>> df = pd.DataFrame(index=range(0,4),columns=['A'], dtype='float')
>>> df.dtypes
A    float64
dtype: object

字符串
指定dtype会强制Pandas尝试使用该类型创建DataFrame，而不是尝试推断它。

希望这可以帮助！

pd.DataFrame(np.nan, index = np.arange(<num_rows>), columns = ['A'])

字符串

你可以试试这行代码：

pdDataFrame = pd.DataFrame([np.nan] * 7)

字符串
这将创建一个大小为7的pandas dataframe，其NaN类型为float：
如果你打印pdDataFrame，输出将是：

0
0   NaN
1   NaN
2   NaN
3   NaN
4   NaN
5   NaN
6   NaN

型
pdDataFrame.dtypes的输出也是：

0    float64
dtype: object

型

对于多列，您可以执行以下操作：

df = pd.DataFrame(np.zeros([nrow, ncol])*np.nan)

字符串

你也可以通过重复传递一个空字典。

df= pd.DataFrame([{}]*4, columns=['A'])

字符串