使用df.loc赋值失败：为何条件匹配的df.loc赋值不生效？

我使用df.loc筛选行进行赋值操作，确认两组筛选结果行数一致，但执行赋值后目标列new的值全部变成了NaN。相关代码及执行结果如下：

代码示例 #

print(df.loc[df['type'] == "OPEN", "A"])
print(df.loc[df['type'] == "CLOSE", "new"])
df.loc[df['type'] == "CLOSE", "new"] = df.loc[df['type'] == "OPEN", "A"]
print(df.loc[df['type'] == "OPEN", "A"])
print(df.loc[df['type'] == "CLOSE", "new"])

执行结果 #

19    25790.00092
42    25565.00053
Name: trade_amount, dtype: float64
26    0
45    0
Name: new, dtype: int64
19    25790.00092
42    25565.00053
Name: trade_amount, dtype: float64
26   NaN
45   NaN

原因分析 #

核心问题是索引不匹配。从执行结果可以看到：

• 筛选type=="OPEN"得到的行索引是19、42
• 筛选type=="CLOSE"得到的行索引是26、45

Pandas的赋值操作默认会按索引对齐，当右侧Series的索引在左侧目标行中不存在时，对应位置就会被填充为NaN。

解决方法 #

方法1：提取纯值（忽略索引）

直接取出右侧Series的数值数组，跳过索引对齐逻辑：

df.loc[df['type'] == "CLOSE", "new"] = df.loc[df['type'] == "OPEN", "A"].values

方法2：重置索引对齐

将右侧Series的索引重置为连续整数，与左侧目标行的位置匹配：

open_values = df.loc[df['type'] == "OPEN", "A"].reset_index(drop=True)
df.loc[df['type'] == "CLOSE", "new"] = open_values

方法3：使用np.where直接赋值

通过条件判断直接赋值，绕开索引对齐问题：

import numpy as np
df['new'] = np.where(df['type'] == "CLOSE", df.loc[df['type'] == "OPEN", "A"].values, df['new'])

内容的提问来源于stack exchange，提问作者whatever