Pandas同DataFrame内切片复制失败问题及无循环解决方案咨询

直接用df.loc[dest_rows, dest_cols] = df.loc[src_rows, src_cols]出现NaN，核心是Pandas的标签对齐机制在起作用。

当你把源切片赋值给目标切片时，Pandas会默认按行、列的标签进行匹配。你的源切片行标签是['3rd']、列标签是['john_01','ken_05']，而目标切片的行标签是['2nd']、列标签是['mary_02','peter_03']，两者的标签完全没有重叠，对齐后找不到对应匹配项，所以目标位置就被填充为NaN。

而单个值赋值（比如df.loc[Modify_List_row, Modify_List_col] = "X"）不会触发标签对齐问题，因为右侧是标量，Pandas会直接把标量广播到目标位置的所有单元格。

有两种可靠的无循环方式可以实现同形状切片的复制：

方法1：提取源切片的底层数值数组 #

直接取源切片的.values（或.to_numpy()），忽略标签信息，让Pandas按位置而非标签赋值：

df.loc[dest_rows, dest_cols] = df.loc[src_rows, src_cols].values

这样Pandas会直接把源切片的数值按位置对应填充到目标切片的单元格，不会进行标签对齐。

方法2：用位置索引（iloc）定位 #

先把行、列标签转换成对应的位置索引，再用iloc进行赋值：

# 获取源行、列的位置索引
src_row_pos = df.index.get_indexer(src_rows)
src_col_pos = df.columns.get_indexer(src_cols)
# 获取目标行、列的位置索引
dest_row_pos = df.index.get_indexer(dest_rows)
dest_col_pos = df.columns.get_indexer(dest_cols)
# 按位置赋值
df.iloc[dest_row_pos, dest_col_pos] = df.iloc[src_row_pos, src_col_pos].values

这种方式完全基于位置操作，规避了标签对齐的影响，适合需要更精确控制位置的场景。

内容的提问来源于stack exchange，提问作者Phil