Pandas多次更新不同行子集列值时出现异常结果的问题

核心问题：索引对齐机制导致赋值失败 #

你遇到的问题根源是Pandas的索引对齐特性：当用一个Series（比如c['B']）给另一个DataFrame的行子集赋值时，Pandas会优先按索引匹配数据，而非直接按位置顺序赋值。

拿第一个示例来说：

• a.loc[a['A']==2, 'B']对应的行索引是2（原DataFrame a的索引为0,1,2）
• 而c['B']的索引是0，两者索引不匹配，Pandas找不到对应索引2的值，因此赋值结果为NaN

第二个测试案例中，a.loc[a['A']==2, 'B']对应的索引是2,3，但c['B']的索引是0,1，同样因索引不匹配导致赋值失败；而直接用列表赋值时，Pandas会跳过索引对齐逻辑，直接按位置顺序填充，因此成功生效。

解决方案 #

以下几种方法可解决该问题：

1. 直接获取Series的底层值（跳过索引对齐）

使用.values或.to_numpy()提取Series的原始值数组，让Pandas按位置赋值：

import pandas as pd
import numpy as np

a = pd.DataFrame({'A': [1, 1, 2],
              'B': [np.nan, np.nan, np.nan]})
b = pd.DataFrame({'A': [1, 1],
              'B': ["test1", "test2"]})
c = pd.DataFrame({'A': [2],
              'B': ["test3"]})

a.loc[a['A']==1, 'B'] = b['B'].values
a.loc[a['A']==2, 'B'] = c['B'].values

display(a)

输出符合预期：

2. 重置目标Series的索引

将用于赋值的Series索引重置为连续的0起始索引，与要赋值的行位置对齐：

a.loc[a['A']==1, 'B'] = b['B'].reset_index(drop=True)
a.loc[a['A']==2, 'B'] = c['B'].reset_index(drop=True)

3. 批量更新（更高效的方式）

如果需要按A列不同值多次更新，建议先合并所有更新数据，再一次性完成赋值，避免多次索引匹配问题：

# 合并所有更新数据
update_df = pd.concat([b, c])
# 使用map按A列匹配更新
a['B'] = a['A'].map(update_df.set_index('A')['B'])

这种方法更简洁，也更适合大规模数据的更新操作。

内容的提问来源于stack exchange，提问作者René Steeman