向Pandas DataFrame单元格添加Numpy数组为何取决于初始化方式？

我尝试用df.loc[df['B']==4,'A'] = [np.array([5, 6, 7, 8]),np.array([2,3])]把NumPy数组列表作为元素存入DataFrame，但发现这个操作能否成功完全取决于DataFrame的初始化方式。以下是两组测试代码：

运行失败的代码 #

import pandas as pd
import numpy as np

df = pd.DataFrame(columns=['A','B'])
a = [1,2,0,4,5]
b = [3,4,4,7,3]

df['A'] = a
df['B'] = b

df.loc[df['B']==4,'A'] = [np.array([5, 6, 7, 8]),np.array([2,3])]
df

运行正常的代码 #

import pandas as pd
import numpy as np

df = pd.DataFrame(columns=['A','B'])
a = [1,2,0,4,5]
b = [3,4,4,7,3]

for i in range(len(a)):
    df.loc[i,'A'] = a[i]
    df.loc[i,'B'] = b[i]

df.loc[df['B']==4,'A'] = [np.array([5, 6, 7, 8]),np.array([2,3])]
df

原因解释 #

核心差异在于两种初始化方式导致了A列的数据类型不同：

• 直接赋值列的方式（df['A'] = a）：Pandas会自动推断列的 dtype 为int64（因为a中的元素都是整数）。这种强数值类型的列无法存储NumPy数组对象，赋值时Pandas会尝试将数组拆分为单个元素去匹配行，最终因元素长度不匹配导致操作失败。
• 循环逐行赋值的方式：每次通过df.loc[i,'A'] = a[i]写入单个元素，Pandas无法确定统一的数值类型，会将列的 dtype 设置为object。object类型的列可以存放任意Python对象，包括NumPy数组，因此赋值NumPy数组列表时，能正常将每个数组作为单个元素存入对应行。

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