如何为Pandas DataFrame指定单元格赋值嵌套DataFrame？

问题原因 #

你用dfs.loc[1,'extra'] = [df_extra]触发ValueError，是因为Pandas会默认把列表当成要匹配行/列的序列处理，而非将整个子DataFrame作为单个单元格的值存储。要实现嵌套存储，需确保目标列类型为object，并使用正确的赋值方式。

解决步骤 #

1. 初始化目标列
   如果extra列尚未创建，先为其设置初始值NaN，后续赋值子DataFrame时列类型会自动转为object：

   import pandas as pd
   
   # 示例主DataFrame
   dfs = pd.DataFrame({'col1': [1,2,3], 'col2': ['a','b','c']})
   # 添加extra列，初始值设为NaN
   dfs['extra'] = pd.NA
   

2. 直接赋值子DataFrame
   不要用列表包裹子DataFrame，直接通过loc或at赋值单个单元格：

   # 示例子DataFrame
   df_extra = pd.DataFrame({'x': [10,20], 'y': [30,40]})
   
   # 方法1：用loc赋值指定行单元格
   dfs.loc[1, 'extra'] = df_extra
   
   # 方法2：用at（针对单个单元格赋值更高效）
   dfs.at[1, 'extra'] = df_extra
   

3. 验证结果
   查看赋值后的dfs，第1行extra单元格会存储子DataFrame，其余行保持NaN：

   print(dfs)
   # 输出示例：
   #    col1 col2                                              extra
   # 0     1    a                                                <NA>
   # 1     2    b    x   y
   # 0  10  30
   # 1  20  40
   # 2     3    c                                                <NA>
   

注意事项 #

• 避免用列表包裹子DataFrame赋值，这会触发Pandas的序列匹配逻辑，导致维度不匹配错误。
• 当列中混合NaN和子DataFrame时，列类型会自动转为object，这是Pandas存储非统一类型数据的标准方式。

内容的提问来源于stack exchange，提问作者Michael Ling