使用loc/iloc为DataFrame赋值行子集时出现NaN问题排查

问题场景 #

当尝试用.loc（或.iloc）更新DataFrame某行的子集列时，目标行被填充为NaN，但直接赋值单个值时操作正常。

示例代码 #

import pandas as pd

a = pd.DataFrame({'id': [1, 2, 10, 12],
     'val1': ['a', 'b', 'c', 'd'],
     'val2': ['e', 'f', 'g', 'h']})

my_row = pd.DataFrame({'id': [7],
     'val1': ['z']})

index = a[a.id == 2].index

a.loc[index, ['id','val1']] = my_row

你也尝试过.iloc的写法：

a.iloc[index, Y_index] = row

其中Y_index是['id','val1']对应的列索引，my_row是包含目标列新内容的DataFrame。两种方式均无报错，但目标行被填充为NaN。

关键观察 #

当将索引改为index = a[a.id == 1].index时，赋值操作成功。此时my_row与a.loc[index, ['id','val1']]的索引完全一致，但你不清楚背后的原因和通用解决办法。

原因解析 #

问题核心是pandas的赋值逻辑基于索引对齐：

• my_row的默认行索引是[0]，而a中id==2的行对应的索引是[1]（原DataFramea的行索引为0、1、2、3）。
• 用DataFrame赋值时，pandas会严格匹配两边的索引与列，my_row的索引0在目标位置（索引1）找不到匹配项，因此填充NaN。
• 当选取id==1的行时，目标索引是[0]，与my_row的索引完全匹配，对齐成功，赋值正常。

解决办法 #

以下几种方式可避免索引对齐导致的NaN：

1. 提取my_row的.values属性赋值，跳过索引对齐逻辑：

a.loc[index, ['id','val1']] = my_row.values

2. 将my_row的索引重置为与目标行一致：

my_row.index = index
a.loc[index, ['id','val1']] = my_row

3. 取出my_row的单行数据转为Series赋值：

a.loc[index, ['id','val1']] = my_row.iloc[0]

内容的提问来源于stack exchange，提问作者pelos