为何Pandas中修改DataFrame列值的三种代码表现不一致？

我在学习Pandas时遇到一个奇怪的行为：假设存在包含“A”“B”两列的DataFrame df，尝试修改“B”列部分值时，以下三种写法的结果截然不同：

• 无效写法（无法修改原DataFrame）：

df[df["A"] == True]["B"] = 100

• 官方推荐的有效写法：

df.loc[df["A"] == True, "B"] = 100

• 意外有效的写法：

df["B"][df["A"] == True] = 100

为什么第一种失效，第三种却能生效？ #

核心在于链式索引返回的是原数据的视图还是副本：

1. 第一种写法的执行逻辑：
   第一步df[df["A"] == True]是布尔索引筛选行，Pandas此时会返回原DataFrame的一个副本（独立于原数据的新对象）；第二步["B"]取副本的列并赋值，本质是修改这个临时副本，原DataFrame完全不受影响，所以看起来没有效果。

2. 第三种写法的执行逻辑：
   第一步df["B"]直接提取原DataFrame的“B”列，返回的是原数据的视图（和原DataFrame共享内存）；第二步通过布尔索引筛选该列的部分行并赋值，相当于直接修改原DataFrame的对应区域，所以能成功更新数据。

3. 第二种写法的优势：
   df.loc[row_indexer, col_indexer]是Pandas官方指定的显式定位赋值方式，它直接定位到原DataFrame的目标单元格进行修改，完全避免了链式索引中视图/副本的歧义问题，是最安全、可读性最高的写法。

这是设计决策导致的吗？ #

是的，这是Pandas的设计逻辑：链式索引的行为由内部的__getitem__方法实现，当连续索引的某一步触发副本生成时，后续赋值就无法作用于原数据。而loc等索引器是专门为精准赋值设计的，目的就是消除链式索引的不确定性，让开发者能明确控制修改的是原数据。

内容的提问来源于stack exchange，提问作者Enzo Bonacina