为何Pandas中同DataFrame切片赋值无效果？求原因解析

给定如下Pandas DataFrame：

import pandas as pd
df = pd.DataFrame({'a': [1, 2, None, 3, None]}, index=[0, 1, 2, 3, 4])

尝试用DataFrame内的其他值替换NaN值时，执行以下代码无效，DataFrame与赋值前完全一致：

df.loc[[2, 4]] = df.loc[[0, 1]]

但以下几种操作均能按预期替换指定索引的元素：

• 赋值单个标量：

  df.loc[[2, 4]] = 999
  

• 赋值普通列表：

  df.loc[[2, 4]] = [999, 777]
  

• 将DataFrame片段转为列表后赋值：

  df.loc[[2, 4]] = df.loc[[0, 1]].to_numpy().tolist()
  

疑问：为何第一种赋值方式无法正常工作？若这是无操作，为何没有给出警告？

这是Pandas的索引对齐机制导致的：

• 执行df.loc[[2,4]] = df.loc[[0,1]]时，右侧的df.loc[[0,1]]是带有原索引（0、1）的DataFrame片段。
• Pandas在赋值时会自动按索引对齐，它会尝试把右侧索引0的值放到左侧索引0的位置，索引1的值放到左侧索引1的位置，但你要赋值的左侧索引是2和4，和右侧索引完全不匹配，因此Pandas找不到对应的赋值位置，最终没有执行任何修改。

而那些有效的操作都规避了索引对齐逻辑：

• 赋值标量时，Pandas不会触发索引对齐，直接将标量填充到所有指定位置。
• 赋值普通列表时，列表没有索引信息，Pandas会按位置顺序将值对应到左侧的行（第一个元素给索引2，第二个给索引4）。
• 转换为numpy数组再转列表后，原索引信息丢失，Pandas按位置匹配赋值，因此正常生效。

至于未给出警告，这是Pandas的设计选择——它默认认为这种索引不匹配的情况是用户有意为之，因此不会主动抛出警告。如果需要检测这类问题，可以开启Pandas的链式赋值警告：

import pandas as pd
pd.set_option('mode.chained_assignment', 'warn')

内容的提问来源于stack exchange，提问作者MaxPowers