为何Pandas赋值DataFrame时报错‘Incompatible indexer with DataFrame’？

问题：为何给DataFrame单个元素赋值另一个DataFrame会报错，赋值数字却正常？ #

复现代码 #

import pandas as pd
names = list("abc")
df = pd.DataFrame(index=names, columns=["foo"])
print(df)
for name in names:
    print("name =", name)
#    df.loc[name, "foo"] = 123
#   code works when line below is replaced by line above
    df.loc[name, "foo"] = pd.DataFrame(data=[10, 20])

触发的错误 #

df.loc[name, "foo"] = pd.DataFrame(data=[10, 20])
    ~~~~~~^^^^^^^^^^^^^

ValueError: Incompatible indexer with DataFrame

原因解析 #

df.loc[name, "foo"]定位的是单个标量单元格，只能接受单个值（比如数字123），但你赋值的是一个包含2行的DataFrame，两者维度和索引无法匹配：

• 赋值单个数字时，pandas会自动把这个标量填充到指定的单个单元格，完全符合位置的维度要求。
• 赋值DataFrame时，pandas会尝试对齐两边的索引和列：目标位置是单个单元格（对应索引name、列foo），而右侧的DataFrame有自己的默认索引（0、1）和列（0），两者的索引/列完全不匹配，因此抛出"Incompatible indexer"错误。

可选解决方法（不推荐） #

如果确实需要把DataFrame存为单个单元格的值，需要将其包装成对象类型：

# 方式1：用列表包裹
df.loc[name, "foo"] = [pd.DataFrame(data=[10, 20])]
# 方式2：直接存储对象
df.loc[name, "foo"] = pd.Series([10,20])

⚠️ 注意：这种做法会让列变为object类型，后续数据处理容易出现异常，尽量保持DataFrame的结构规整，避免在单个单元格中存储复杂对象。

内容的提问来源于stack exchange，提问作者Fortranner