如何为多索引DataFrame的切片赋值（从另一切片计算取值）

我有一个pandas多索引DataFrame，需要基于同一层级索引（tstep），将某一切片的值设置为另一切片经计算后的值。尝试用loc赋值，但目标切片全部变成NaN。以下是示例代码和问题详情：

示例DataFrame代码 #

iterables = [ [1, 2, 3, 4], ["A", "B"]]
idx = pd.MultiIndex.from_product(iterables, names=["tstep", "trial"])
df = pd.DataFrame(index=idx)
df['Value'] = 0.0
df.loc[(1,'A'), 'Value'] = 1.0
df.loc[(1,'B'), 'Value'] = 2.0

初始DataFrame #

Value
tstep trial       
1     A        1.0
      B        2.0
2     A        0.0
      B        0.0
3     A        0.0
      B        0.0
4     A        0.0
      B        0.0

需求与错误代码 #

需求：将tstep=2的所有元素设置为tstep=1的元素值加1。

我写的代码：

df.loc[2]['Value'] = df.loc[1]['Value'] + 1.0

期望输出 #

Value
tstep trial       
1     A        1.0
      B        2.0
2     A        2.0
      B        3.0
3     A        0.0
      B        0.0
4     A        0.0
      B        0.0

实际输出 #

Value
tstep trial       
1     A        1.0
      B        2.0
2     A        NaN
      B        NaN
3     A        0.0
      B        0.0
4     A        0.0
      B        0.0

注意：赋值单个标量时能正常工作，调换['Value']与.loc[2]顺序结果相同。请问哪里操作错了？

错误原因 #

你使用了链式索引df.loc[2]['Value']，这种写法会返回原DataFrame的副本而非视图。对副本赋值不会修改原DataFrame，反而会因为pandas的内部机制导致原DataFrame对应位置被设为NaN。

pandas中，链式索引（如df[a][b]）很容易触发返回副本的场景，此时赋值操作仅修改了临时生成的副本，原数据不会得到更新，甚至会产生意外的NaN。

正确解法 #

要直接对原DataFrame的视图进行赋值，需采用单层loc索引访问，把列名整合到loc的第二个参数中：

df.loc[2, 'Value'] = df.loc[1, 'Value'] + 1.0

这样就能正确修改原DataFrame，得到预期的输出结果。

另外，也可以用更明确的多索引写法实现相同效果：

df.loc[(2, slice(None)), 'Value'] = df.loc[(1, slice(None)), 'Value'] + 1.0

这里slice(None)表示匹配tstep=2下的所有trial层级元素。

内容的提问来源于stack exchange，提问作者user3311717