为何双列索引的Pandas DataFrame.loc表现异常？

这是因为Pandas的.loc在处理双列MultiIndex时，参数解析逻辑和单列/三列索引存在差异：

当你执行df.loc[123, 'a'] = [1]时，Pandas会默认将第一个参数123视为行索引的第一层级，第二个参数'a'判定为列名，而非行索引的第二层级——这就导致它新增了一列'a'，而非在MultiIndex的第二层级添加'a'并给val列赋值。

而单列索引时，.loc的第二个参数只能是列名；三列索引时，传入的三个参数会被自动识别为三个行索引层级（此时仅存在val一列，不存在参数歧义），所以行为符合预期。

解决方法 #

要明确指定双列MultiIndex的两个层级，需要把行索引用元组包裹，告诉Pandas这两个值属于行索引的两个层级，而非行+列的组合：

import pandas as pd

df = pd.DataFrame(columns=['id', 'idx1', 'val'])
df = df.set_index(['id', 'idx1'])
# 用元组指定双列索引的两个层级，再指定目标列val
df.loc[(123, 'a'), 'val'] = 1

执行后结果符合预期：

val
id  idx1        
123    a   1

如果是单个标量赋值，也可以使用性能更优的.at方法：

df.at[(123, 'a'), 'val'] = 1

内容的提问来源于stack exchange，提问作者R. Javid