Pandas DataFrame赋值异常：调整列顺序后C列才生效，是Bug吗？

问题场景 #

我有一个名为df的DataFrame，包含布尔类型的to_be_pred列（取值为True/False）。先筛选出to_be_pred为True的行生成df_temp并做操作，之后尝试将df_temp的值回赋给df：

df_temp = df[df['to_be_pred']].copy()
# 对df_temp执行一些操作
df.loc[df['to_be_pred'], ['A', 'B', 'to_be_pred', 'C']] = df_temp[['A', 'B', 'to_be_pred', 'C']]

此时df的A、B、to_be_pred列能正确更新，但C列赋值失败。调整列顺序后，问题解决：

df.loc[df['to_be_pred'], ['A', 'B', 'C', 'to_be_pred']] = df_temp[['A', 'B', 'C', 'to_be_pred']]

问这是不是Pandas的Bug？使用版本为pd.__version__: '2.0.3'

问题分析 #

这不是Pandas的Bug，而是由Pandas的索引对齐和赋值顺序逻辑导致的：

• 行筛选的布尔掩码df['to_be_pred']是在赋值操作启动前就计算完成的，属于静态条件，不会被后续列的赋值改变。
• 当cols列表中包含to_be_pred列且它位于C列之前时，Pandas会按列顺序依次执行赋值。完成to_be_pred列的赋值后，后续处理C列时，内部对齐逻辑因目标列与行筛选条件列同名，出现匹配偏差，导致C列的赋值未能正确覆盖目标行。
• 把to_be_pred列移到列列表最后时，其他列（包括C）先完成赋值，不会受到该列赋值的干扰，对齐逻辑正常运行。

解决方案 #

• 无需赋值to_be_pred列：df_temp本身就是从df中筛选to_be_pred为True的行生成的，该列值无需重复回写，可简化代码：

df.loc[df['to_be_pred'], ['A', 'B', 'C']] = df_temp[['A', 'B', 'C']]

• 如果必须包含to_be_pred列，将其放在列列表的最后位置即可。

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