如何根据solution_id替换DataFrame对应行的0-3列值？

问题背景 #

现有如下结构的DataFrame：

solution_id   0   1   2   3
0            26688 NaN NaN NaN NaN
1            26689 NaN NaN NaN NaN
2            26690 NaN NaN NaN NaN
3            26691 NaN NaN NaN NaN
4            26692 NaN NaN NaN NaN
...            ...  ..  ..  ..  ..
10398        37086 NaN NaN NaN NaN
10399        37087 NaN NaN NaN NaN
10400        37088 NaN NaN NaN NaN
10401        37089 NaN NaN NaN NaN
10402        37090 NaN NaN NaN NaN

[10403 rows x 5 columns]

需求：接收一个solution_id和一个4元素列表（如[True, False, False, True]），找到对应solution_id的行，将该行的0、1、2、3列替换为列表中的值。

尝试过两种方法均无效：
方法1：

filter_ = (df['solution_id'] == solution_id)
df.loc[filter_] = [solution_id] + results

运行后无任何更改。

方法2：

idx = df['solution_id'].loc[df['solution_id'] == solution_id].index[0]
df.loc[idx] = [solution_id] + results

提示索引为空（但确认传入的solution_id均存在于DataFrame中）。

解决方法 #

方法一：精准定位目标列赋值 #

直接指定要修改的列，避免整行赋值可能带来的类型匹配问题：

# 定义要修改的目标列
target_cols = ['0', '1', '2', '3']
# 过滤出目标行的掩码
mask = df['solution_id'] == solution_id
# 仅对目标列赋值
df.loc[mask, target_cols] = results

这种方式无需重复传入solution_id，只针对需要修改的列操作，避免整行覆盖时因数据类型不兼容导致的静默失败（比如原solution_id是整数，拼接后的列表混合整数与布尔值，触发类型检查不通过）。

方法二：将solution_id设为索引（适合频繁修改场景） #

如果需要频繁根据solution_id修改行数据，可先将其设为索引，操作更高效：

# 设置solution_id为索引
df = df.set_index('solution_id')
# 直接通过索引定位并赋值
df.loc[solution_id, ['0', '1', '2', '3']] = results
# 如需恢复原索引，执行：df = df.reset_index()

原方法无效原因分析 #

1. 方法一失败原因：整行赋值时，[solution_id] + results的元素类型可能与原DataFrame列类型不匹配，导致Pandas静默忽略赋值操作（比如原solution_id列是整数类型，拼接后的列表混合整数与布尔值，触发隐式类型转换失败）。
2. 方法二失败原因：大概率存在数据类型不匹配问题——比如DataFrame中solution_id是整数，传入的参数却是字符串类型（如"26688"），导致过滤结果为空。可以先检查类型一致性：

print(type(df['solution_id'].iloc[0]), type(solution_id))

若类型不一致，先做转换，比如solution_id = int(solution_id)。

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