Pandas DataFrame嵌套列表赋值异常：[[2]]赋值后变为[2]

当尝试用df.loc['y','A'] = [[2]]给Pandas DataFrame的单个单元格赋值二维嵌套列表时，实际结果会变成[2]；类似的，二维object类型numpy数组np.array([[2]], dtype=object)、二维列表[[1],[2]]都会出现被“展开”的异常，但嵌套层数为1层（[2]）或3层及以上（[[[3]]]、[[[[4]]]]）的结构赋值正常。更特殊的是，移除DataFrame中的数值型列（例中的C列）后，所有赋值操作都能正常保留嵌套结构。

复现代码及输出 #

import pandas as pd
import numpy as np

df = pd.DataFrame({"A": [[1], [[2]], [[[3]]], [[[[4]]]], np.array([[2]]), np.array([[[2]]]), [[1],[2]]], 
                   "B": [[1], [[2]], [[[3]]], [[[[4]]]], np.array([[2]]), np.array([[[2]]]), [[1],[2]]],
                   "C": [1,2,3,4,5,6,7]
                   }, 
                   index=["x", "y", "z", "w","a","b","c"])

# 初始状态正常
print(df)

# 赋值操作
df.loc['x','A'] = [1] # 正常
df.loc['y','A'] = [[2]] # 异常，结果为[2]
df.loc['z','A'] = [[[3]]] # 正常
df.loc['w','A'] = [[[[4]]]] # 正常

df.loc['a','A'] = np.array([[2]], dtype=object) # 异常，结果为[2]
df.loc['b','A'] = np.array([[[2]]], dtype=object) # 正常

df.loc['c','A'] = [[1],[2]] # 异常，结果为[1,2]

print(df)

输出：

A           B  C
x         [1]         [1]  1
y       [[2]]       [[2]]  2
z     [[[3]]]     [[[3]]]  3
w   [[[[4]]]]   [[[[4]]]]  4
a       [[2]]       [[2]]  5
b     [[[2]]]     [[[2]]]  6
c  [[1], [2]]  [[1], [2]]  7
           A           B  C
x        [1]         [1]  1
y        [2]       [[2]]  2
z    [[[3]]]     [[[3]]]  3
w  [[[[4]]]]   [[[[4]]]]  4
a        [2]       [[2]]  5
b    [[[2]]]     [[[2]]]  6
c     [1, 2]  [[1], [2]]  7

问题原因 #

这是Pandas的维度匹配与广播逻辑导致的：当DataFrame中存在数值型列（如示例中的C列，类型为int），Pandas在处理loc赋值时，会默认尝试将二维结构的赋值内容与DataFrame的行维度进行匹配，误将二维嵌套结构“展开”为一维。而当移除数值型列后，所有列都为object类型，Pandas会直接将嵌套结构视为单个object值，不会触发维度匹配逻辑，因此赋值正常。

解决方案 #

有两种可靠的方法避免这个问题：

方法1：使用df.at替代df.loc #

at专门用于单个单元格的快速赋值，不会触发维度广播逻辑，直接将嵌套结构作为单个值存入单元格：

# 修正后的赋值代码
df.at['y','A'] = [[2]]
df.at['a','A'] = np.array([[2]], dtype=object)
df.at['c','A'] = [[1],[2]]

方法2：将嵌套结构包裹在一个外层列表中 #

通过在外层添加一个列表，强制Pandas将内部的嵌套结构识别为单个单元格值，而非需要广播的序列：

df.loc['y','A'] = [ [[2]] ]
df.loc['a','A'] = [ np.array([[2]], dtype=object) ]
df.loc['c','A'] = [ [[1],[2]] ]

验证结果 #

使用上述方法后，再次打印DataFrame，会发现所有嵌套结构都被正确保留：

A           B  C
x         [1]         [1]  1
y       [[2]]       [[2]]  2
z     [[[3]]]     [[[3]]]  3
w   [[[[4]]]]   [[[[4]]]]  4
a       [[2]]       [[2]]  5
b     [[[2]]]     [[[2]]]  6
c  [[1], [2]]  [[1], [2]]  7

内容的提问来源于stack exchange，提问作者Jian Wang