Python3.8及以上版本Pandas DataFrame赋值失效问题求助

以下代码在Python 3.7及更早版本、Pandas 1.3.5中可正常运行：

import pandas as pd
import numpy as np
hex_name = '123456abc'
multi_sub_dir_id_list = [hex_name, hex_name, hex_name]
multi_leaf_node_dirs = ['one', 'two', 'three'] 
x_dir_multi_index = pd.MultiIndex.from_arrays ([multi_sub_dir_id_list, multi_leaf_node_dirs], names = ['hex_name', 'leaf_name'])
leaf_name = 'one'
dirpath = '/a/string/path'
task_path_str = 'thepath'
multi_exec_df = pd.DataFrame (data = None, columns = x_dir_multi_index)
multi_exec_df.loc[task_path_str] = np.nan
multi_exec_df.loc[task_path_str][hex_name, leaf_name] = dirpath

但在Python 3.8及以上版本（如Python 3.11.0+Pandas 1.5.1、Python3.10.8+Pandas1.5.2）中，执行后后续赋值操作被忽略：

• 预期输出：指定位置（hex_name='123456abc', leaf_name='one'）的值为'/a/string/path'，其余为NaN：

  hex_name   leaf_name
  123456abc  one        /a/string/path
             two        NaN
             three      NaN
  

• 实际输出：所有值仍为NaN：

  > multi_exec_df.loc[task_path_str]
  hex_name   leaf_name
  123456abc  one         NaN
             two         NaN
             three       NaN
  Name: thepath, dtype: float64
  

请问这种写法是否已不再被允许？

原因 #

这种写法属于链式索引赋值（df.loc[...] [...] = value），本身就不是Pandas推荐的规范写法。旧版本中因内部机制差异偶然支持，但在Pandas更新版本中，链式索引会返回数据视图而非原DataFrame的直接引用，导致赋值无法同步到原数据，甚至会触发SettingWithCopyWarning提示。

解决方案 #

改用单步索引赋值，直接通过.loc一次性定位到目标位置，避免链式操作：

# 替换原有两行赋值代码
multi_exec_df.loc[task_path_str, (hex_name, leaf_name)] = dirpath

如果需要先将整行初始化为NaN，可先构造对应Series再赋值：

multi_exec_df = pd.DataFrame(data=None, columns=x_dir_multi_index)
# 构造整行NaN的Series
init_row = pd.Series([np.nan]*len(x_dir_multi_index), index=x_dir_multi_index)
multi_exec_df.loc[task_path_str] = init_row
# 单步赋值目标位置
multi_exec_df.loc[task_path_str, (hex_name, leaf_name)] = dirpath

更简洁的方式是直接构造目标行数据：

multi_exec_df = pd.DataFrame(data=None, columns=x_dir_multi_index)
# 初始化空Series，仅给指定位置赋值，其余默认NaN
row_data = pd.Series(index=x_dir_multi_index)
row_data[(hex_name, leaf_name)] = dirpath
multi_exec_df.loc[task_path_str] = row_data

内容的提问来源于stack exchange，提问作者Greg Dougherty