如何在Pandas中为DataFrame设置多列？版本兼容报错求解

问题原因 #

Pandas 2.x对DataFrame.loc赋值的类型兼容性要求更严格。原代码中results.to_numpy().tolist()得到的是包含单个二元组的一维列表（[(m1, None)]），而赋值给多列时需要与目标列数匹配的二维结构，新版本的Pandas会对输入的维度做严格校验，因此抛出'list' object has no attribute 'ndim'错误。

正确赋值方法 #

方法1：将Series转换为DataFrame后赋值 #

把存储二元组的Series直接转换为两列的DataFrame，结构完全匹配目标列要求，无需额外处理：

from unittest.mock import MagicMock
import pandas as pd

def test_assign_results() -> None:
    df = pd.DataFrame([{"is_ok": True, "failed": None, "col1": None, "col2": None}])
    m1 = MagicMock()
    m1.name = "col1_val"
    results = pd.Series([(m1, None)])
    
    # 关键修改：将Series转为DataFrame，自动拆分为两列
    df.loc[df["is_ok"] == 1, ["col1", "col2"]] = pd.DataFrame(results.tolist())
    
    row = df.iloc[0]
    assert row["col1"].name == "col1_val"
    assert row["col2"] is None

方法2：保持numpy转换但调整维度 #

如果一定要用numpy转换，需确保输入是二维数组（每个二元组作为一行），通过reshape调整维度即可：

from unittest.mock import MagicMock
import pandas as pd
import numpy as np

def test_assign_results() -> None:
    df = pd.DataFrame([{"is_ok": True, "failed": None, "col1": None, "col2": None}])
    m1 = MagicMock()
    m1.name = "col1_val"
    results = pd.Series([(m1, None)])
    
    # 关键修改：将一维列表转为N行2列的二维数组
    df.loc[df["is_ok"] == 1, ["col1", "col2"]] = np.array(results.to_list()).reshape(-1, 2)
    
    row = df.iloc[0]
    assert row["col1"].name == "col1_val"
    assert row["col2"] is None

原理说明 #

• Pandas 2.x处理多列赋值时，要求右侧输入必须是二维结构（行数匹配筛选后的行数，列数匹配目标列数）。
• 将Series的二元组列表转为DataFrame时，Pandas会自动把每个二元组的元素拆分为单独列，完美匹配["col1", "col2"]的列数要求。
• 调整numpy数组维度的方式，本质是把一维的二元组列表转为N行2列的二维数组，让Pandas能正确映射到目标列。

内容的提问来源于stack exchange，提问作者sneg