Pandas设置行时行为异常：两段代码为何输出不同？

两段代码仅相差一行df1[[]]，其余逻辑完全一致，但输出却截然不同，以下是具体代码与输出：

第一段代码 #

import pandas as pd

df1 = pd.DataFrame([], columns=['col1', 'col2'])
df1 = df1.append(pd.DataFrame([('a', 1)], columns=['col1', 'col2']))
df1 = df1.append(pd.DataFrame([('b', 2)], columns=['col1', 'col2']))

df2 = pd.DataFrame([('c', 3), ('d', 4)], columns=['col1', 'col2'])

df1.iloc[0] = df2.loc[df2['col1'] == 'c']

print(df1)

第一段代码输出 #

col1                             col2
0  0    c
Name: col1, dtype: object  0    3
Name: col2, dtype: int64
0                                 b                                2

第二段代码 #

import pandas as pd

df1 = pd.DataFrame([], columns=['col1', 'col2'])
df1 = df1.append(pd.DataFrame([('a', 1)], columns=['col1', 'col2']))
df1 = df1.append(pd.DataFrame([('b', 2)], columns=['col1', 'col2']))

df2 = pd.DataFrame([('c', 3), ('d', 4)], columns=['col1', 'col2'])

df1[[]]

df1.iloc[0] = df2.loc[df2['col1'] == 'c']

print(df1)

第二段代码输出 #

col1 col2
0    c    3
0    b    2

这是预期行为吗？原因是什么？ #

这是pandas 1.3.2版本的预期行为，问题出在**df1[[]]触发了DataFrame内部的类型推断与数据结构隐式调整**：

• 第一段代码里，初始创建的df1是空DataFrame，后续用append添加数据后，虽然列表面是object和int类型，但因为初始为空，pandas内部的类型标记存在模糊性。执行df1.iloc[0] = df2.loc[df2['col1'] == 'c']时，右侧返回的是带索引的单行DataFrame，赋值时没有正确提取值，反而把整个带索引的对象塞进了单元格，导致输出出现嵌套的索引和类型信息。

• 第二段代码里的df1[[]]会返回一个保留原列名的空DataFrame，这个操作会触发pandas重新确认df1的列类型与数据结构，相当于给df1做了一次类型校准。之后再赋值时，pandas能正确识别右侧的单行数据，把对应的值提取出来赋值到df1.iloc[0]的单元格里，输出就符合预期了。

本质上这是早期pandas版本中，空DataFrame初始化后追加数据的类型处理bug，df1[[]]相当于临时修复手段，强制pandas明确列的类型规则，避免赋值时的类型混淆。

内容的提问来源于stack exchange，提问作者Jacob