如何修改原地修改DataFrame的函数使其支持切片子集同步修改

问题背景 #

有个原地修改DataFrame的函数，原本能把整个DataFrame的前两行改成9，但传入DataFrame的行/列切片（比如df.loc[:,["x"]]）时，修改没法同步回原DataFrame。现在要改函数内部代码，要求不创建DataFrame副本、不扩展函数签名，同时支持两种需求：

• (a) 仅将前两行的"x"列设为9；
• (b) 将第二、三行全设为9。

原代码问题复现：

import pandas as pd

# 测试用DataFrame
df = pd.DataFrame({"x": [1,3,4,5], "y": [4,3,2,3]})

# 原地修改输入DataFrame的前两行
def change(d):
    n = len(d)
    d.loc[[True, True] + [False]*(n-2)] = 9
    return d

# 传入整个df，修改生效
change(df)
print(df)

# 重建原始df，传入x列切片，修改不生效
df = pd.DataFrame({"x": [1,3,4,5], "y": [4,3,2,3]})
df_ref = df.loc[:,["x"]]
change(df_ref)
print(df)  # 原df无变化

修复后的函数 #

直接操作DataFrame底层的numpy数组，绕过pandas的索引赋值逻辑，就能保证修改同步到原DataFrame：

def change(d):
    # 直接修改前两行的所有元素
    d.values[:2] = 9
    return d

验证两种需求 #

(a) 修改前两行的"x"列 #

df = pd.DataFrame({"x": [1,3,4,5], "y": [4,3,2,3]})
# 传入x列的切片
change(df.loc[:, ["x"]])
print(df)
# 输出：
#    x  y
# 0  9  4
# 1  9  3
# 2  4  2
# 3  5  3

(b) 修改第二、三行 #

df = pd.DataFrame({"x": [1,3,4,5], "y": [4,3,2,3]})
# 传入第二、三行的切片（索引1到2）
change(df.loc[1:2, :])
print(df)
# 输出：
#    x  y
# 0  1  4
# 1  9  9
# 2  9  9
# 3  5  3

原代码失效原因 #

原函数用d.loc[...] =9赋值时，当传入的是切片对象，pandas可能因链式索引的副本机制（或内部视图/副本判断逻辑），悄悄创建副本再修改，导致原DataFrame完全不受影响。而直接操作d.values是直接访问存储数据的内存块，只要传入的切片是原DataFrame的视图（大部分行/列切片默认都是），修改就会直接同步回原DataFrame。

内容的提问来源于stack exchange，提问作者P.Jo