如何通过存储DataFrame.loc结果的变量修改原DataFrame数据？

给定如下DataFrame：

df = pd.DataFrame({'x':[1,2,3], 'y':[4,5,6]})

直接使用df.loc可以一行修改原数据：

df.loc[df['x'] > 1, 'y'] = 7

但如果将loc的查询结果存入变量后，直接对变量赋值只会改变变量本身，无法同步修改原DataFrame的y列：

sel = df.loc[df['x'] > 1, 'y']
sel = 9  # 此操作仅修改sel变量，原df不受影响

可行解决方案 #

1. 修改Series的.values属性 #

通过访问Series的.values直接操作底层numpy数组，这种方式会同步修改原DataFrame的数据：

sel = df.loc[df['x'] > 1, 'y']
sel.values = 9

执行后查看原DataFrame：

print(df)
# 输出：
#    x  y
# 0  1  4
# 1  2  9
# 2  3  9

2. 使用切片赋值操作 #

通过sel[:]的切片方式赋值，本质是对整个Series视图进行修改，而非重新绑定变量：

sel = df.loc[df['x'] > 1, 'y']
sel[:] = 9

3. 使用update()方法更新 #

利用pd.Series.update()方法，将新值匹配索引后更新到原Series对应位置，同样会同步修改原DataFrame：

sel = df.loc[df['x'] > 1, 'y']
sel.update(pd.Series([9, 9], index=sel.index))

原理说明 #

当执行sel = df.loc[df['x'] > 1, 'y']时，sel通常是原DataFrame中y列的视图（而非独立副本），但直接执行sel = 9是给变量sel重新绑定了一个标量值，切断了和原DataFrame的关联。而上述方法都是直接操作视图对应的底层数据或视图本身，因此能同步修改原DataFrame。

内容的提问来源于stack exchange，提问作者Sean