为何多列DataFrame赋值空列表时触发ValueError？

问题原因 #

当DataFrame包含多列时，执行df.loc[[1,3,5], 'Column'] = [[],[],[]]会触发ValueError，核心原因是：
pandas会将右侧的[[],[],[]]解析为二维numpy数组（形状为(3, 0)），而非三个独立的空列表对象。此时pandas尝试将该二维数组与选中的行/列匹配，由于数组列数（0）与目标列数（1）不匹配，因此抛出错误。而单列DataFrame场景下，pandas内部逻辑会特殊处理这类赋值，将其解析为逐个行赋值对应空列表，因此不会报错。

解决方法 #

以下几种方式均可解决该问题，核心思路是让pandas将赋值内容识别为一维的、包含空列表对象的序列：

方法1：使用列表推导式生成一维空列表序列 #

通过列表推导式生成包含指定数量空列表的一维列表，确保每个空列表是独立对象：

import pandas as pd

df = pd.DataFrame({
    'Column': [[1, 2], [3, 4], [5, 6], [7, 8], [9, 10], [11,12]],
    'B':[0,1,0,1,0,1]
})

# 生成对应数量的空列表
df.loc[[1,3,5], 'Column'] = [[] for _ in range(3)]
print(df)

方法2：通过pd.Series指定索引赋值 #

创建与目标行索引匹配的Series，明确每个值对应的行位置：

import pandas as pd

df = pd.DataFrame({
    'Column': [[1, 2], [3, 4], [5, 6], [7, 8], [9, 10], [11,12]],
    'B':[0,1,0,1,0,1]
})

# 用Series绑定索引与空列表
df.loc[[1,3,5], 'Column'] = pd.Series([[], [], []], index=[1,3,5])
print(df)

方法3：转换为object类型的numpy一维数组 #

将赋值列表转换为dtype=object的一维numpy数组，避免被解析为二维结构：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'Column': [[1, 2], [3, 4], [5, 6], [7, 8], [9, 10], [11,12]],
    'B':[0,1,0,1,0,1]
})

# 转换为object类型数组
df.loc[[1,3,5], 'Column'] = np.array([[], [], []], dtype=object)
print(df)

内容的提问来源于stack exchange，提问作者Jeff Hansen