Pandas 3.0中使用.iloc修改列切片值的最优方案（规避ChainedAssignmentError）

这个问题我在Pandas 3.0升级后刚好碰到过，其实核心是搞清楚.iloc的本质——它是纯基于整数位置的索引工具，不能像.loc那样混用列名，这也是你触发错误的关键原因。

给你两种靠谱的解决方法：

方法一：直接使用列的整数位置索引 #

你的例子里，"A"是DataFrame的第一列，对应的整数位置索引是0，直接把列名替换成位置索引即可，写法如下：

df = pd.DataFrame({"A": [1, 1, 1, 2, 2]}, columns=["A"])
df.iloc[0:2, 0] *= 2

这样操作是直接对原DataFrame的目标切片进行修改，不存在链式赋值的问题，自然不会触发ChainedAssignmentError。

方法二：动态获取列的位置（更健壮的写法） #

如果你的DataFrame列顺序可能变动，或者不想硬编码列的位置，可以用df.columns.get_loc("A")动态获取目标列的整数位置，代码更灵活：

df = pd.DataFrame({"A": [1, 1, 1, 2, 2]}, columns=["A"])
col_pos = df.columns.get_loc("A")
df.iloc[0:2, col_pos] *= 2

这种方法不管列的顺序怎么调整，都能精准定位到"A"列，避免硬编码整数带来的维护风险。

为什么原来的写法会报错？ #

你之前写的df.iloc["A"][0:2] *= 2有两个问题：

1. .iloc["A"]本身就是非法操作——.iloc的第一个参数是行的位置索引，只能接受整数、整数切片等类型，不能传入列名；
2. 即使这一步没报错，后续的[0:2]属于链式索引，Pandas 3.0强制启用的ChainedAssignmentErrors会严格检测这种可能导致意外修改的操作，所以必然触发错误。

而.loc之所以能正常工作，是因为它是基于标签的索引，支持同时传入行标签（或切片）和列名，属于直接索引而非链式操作。

内容的提问来源于stack exchange，提问作者cknott