Pandas中向DataFrame切片赋值为何能匹配正确行？

我在使用Pandas时遇到一个疑惑，执行以下代码时，即便左侧是仅筛选出部分行的DataFrame切片，右侧是完整的大DataFrame，仍能精准匹配行并赋值，想请教背后的运行机制。

代码片段：

import pandas as pd

d = {'party_id': [1, 1, 1, 2, 2, 3, 4, 4, 4, 4], 
     'date_valid': [6, 2, 1, 3, 4, 5, 0, 8, 7, 9], 
     'target': [0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
     }
df = pd.DataFrame(data=d)
print(df)       
                                           
df=df.sort_values(['party_id','date_valid'],ascending=True)  # 对行排序
df['lag_target'] = df.groupby(['party_id'])['target'].shift(1)  # 计算滞后列
df.loc[df['lag_target'].isnull(),'lag_target'] = df['target']  # 用原target值替换NaN
print(df)

我原本以为Pandas会追踪分组索引，但哪怕新建另一个DataFrame执行类似操作也能正常运行，想知道为什么左右侧大小不同还能正确匹配行？

核心原因是Pandas的赋值操作依赖索引（Index）进行行匹配，而非行的物理位置。

具体拆解你的代码逻辑：

• 排序后的df虽然行的顺序变了，但每一行的原始索引（0-9）并没有被重置，每一行都保留了自己唯一的索引标识；
• 当你用df.loc[df['lag_target'].isnull(),'lag_target']筛选出需要替换的行时，这些行依然带着它们的原始索引；
• 右侧的df['target']是一个完整的Series，每个值也绑定着对应的索引；
• Pandas在赋值时，会自动根据索引将右侧的值匹配到左侧对应的行上——只取左侧筛选出的索引所对应的值，忽略其他不匹配的索引。

举个例子：假设筛选出的NaN行索引是2、3、5、6，那么Pandas会从df['target']中找到索引为2、3、5、6的值，分别赋值给左侧对应的行，完全不需要左右侧的DataFrame大小一致。

哪怕你新建另一个DataFrame（比如DF2），只要DF2的索引和你要赋值的切片索引有重叠，Pandas依然会按索引匹配，这就是为什么跨DataFrame也能正常运行的原因。

内容的提问来源于stack exchange，提问作者Michael Mateju