Pandas扩展DataFrame与Series的方法差异困惑及原因咨询

我已查阅过类似问题的各种解答，但仍未明确Pandas中Series与DataFrame的扩展方法存在差异的原因。此外，部分Pandas文档不够清晰，例如Series.reindex的文档中，示例突然切换为DataFrame的用法，但两者函数并非完全一致。

DataFrame的扩展操作示例 #

首先构建一个DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(6,4), index=range(6), columns=list('ABCD'))
df

输出：

A         B         C         D
0  0.136833 -0.974500  1.708944  0.435174
1 -0.357955 -0.775882 -0.208945  0.120617
2 -0.002479  0.508927 -0.826698 -0.904927
3  1.955611 -0.558453 -0.476321  1.043139
4 -0.399369 -0.361136 -0.096981  0.092468
5 -0.130769 -0.075684  0.788455  1.640398

添加新列时，可通过两种简单方式实现：

df[['X','Y']] = (99,-99)
# 或者使用loc
df.loc[:,['X','Y']] = (99,-99)
df

输出：

A         B         C         D   X   Y
0  0.858615 -0.552171  1.225210 -1.700594  99 -99
1  1.062435 -1.917314  1.160043 -0.058348  99 -99
2  0.023910  1.262706 -1.924022 -0.625969  99 -99
3  1.794365  0.146491 -0.103081  0.731110  99 -99
4 -1.163691  1.429924 -0.194034  0.407508  99 -99
5  0.444909 -0.905060  0.983487 -4.149244  99 -99

Series的扩展操作问题 #

我计划通过循环构建Series列表最终转为DataFrame，因此希望先以Series处理每一行以简化开发，但尝试相同操作时遇到阻碍：

首先构建一个Series：

ss = pd.Series(np.random.randn(4), index=list('ABCD'))
ss

输出：

A    0.078013
B    1.707052
C   -0.177543
D   -1.072017
dtype: float64

尝试批量添加新索引并赋值时报错：

ss['X','Y'] = (99,-99)
# 以下两种方式同样报错
# ss[['X','Y']] = (99,-99)
# ss.loc[['X','Y']] = (99,-99)

报错信息：

KeyError: "None of [Index(['X', 'Y'], dtype='object')] are in the [index]"

仅能通过逐个赋值的方式实现：

ss['X'],ss['Y'] = (99,-99)
ss

输出：

A     0.078013
B     1.707052
C    -0.177543
D    -1.072017
X    99.000000
Y   -99.000000
dtype: float64

我曾考虑先重新索引Series再赋值，但修改索引时遇到长度不匹配问题：

ss = pd.Series(np.random.randn(4), index=list('ABCD'), name='z')
xs = pd.Series([99,-99], index=['X','Y'], name='z')

# 可以合并索引，但无法直接赋值给现有Series的索引
ss.index.append(xs.index)  # 输出 Index(['A', 'B', 'C', 'D', 'X', 'Y'], dtype='object')

ss.index = ss.index.append(xs.index)

报错信息：

ValueError: Length mismatch: Expected axis has 4 elements, new values have 6 elements

请问需要如何理解为何DataFrame的等效方法可行，而Series的方法不可行？这导致我无法动态为现有Series添加新索引并赋值，操作较为繁琐。

内容的提问来源于stack exchange，提问作者JohnT