使用pandas loc赋值时列B变为NaN的问题及修复方法

你的赋值写法df.loc[((df['Active'] =='N') & (df['A'].isna())), ['A', 'B']] = [99, df['C']]存在索引对齐隐患。当给多列批量赋值时，右侧的df['C']是全量Series，若后续数据中筛选行的索引与df['C']无法完全对齐，或被pandas广播机制误解，就会导致未预期的NaN值。

以下是两种可靠的修正方案：

方法一：分开赋值（直观不易出错） #

先定义筛选条件，再分别给A、B列赋值，彻底避免多列赋值的对齐问题：

import pandas as pd
import numpy as np

data = {
    'Name' : ['Abby', 'Bob', 'Chris'],
    'Active' : ['Y', 'Y', 'N'],
    'A' : [89, 92, np.nan],
    'B' : ['eye', 'hand', np.nan],
    'C' : ['right', 'left', 'right'] 
}

df = pd.DataFrame(data)
# 定义筛选掩码
mask = (df['Active'] == 'N') & (df['A'].isna())
# 单独给A列赋值
df.loc[mask, 'A'] = 99
# 给符合条件的B列赋值对应行的C值
df.loc[mask, 'B'] = df.loc[mask, 'C']
print(df)

执行后得到期望结果：

方法二：构造匹配形状的赋值对象 #

若想在一行代码中完成赋值，可构造与左侧选中区域形状完全匹配的二维数据，确保pandas正确识别赋值逻辑：

import pandas as pd
import numpy as np

data = {
    'Name' : ['Abby', 'Bob', 'Chris'],
    'Active' : ['Y', 'Y', 'N'],
    'A' : [89, 92, np.nan],
    'B' : ['eye', 'hand', np.nan],
    'C' : ['right', 'left', 'right'] 
}

df = pd.DataFrame(data)
mask = (df['Active'] == 'N') & (df['A'].isna())
# 构造与选中行数量匹配的二维数组
assign_values = np.column_stack((np.full(mask.sum(), 99), df.loc[mask, 'C']))
df.loc[mask, ['A', 'B']] = assign_values
print(df)

这种方法通过np.column_stack将标量99广播为对应长度的数组，再与筛选后的C列值合并，保证赋值结构与左侧完全匹配，从根源避免对齐错误。

内容的提问来源于stack exchange，提问作者Shane S