Pandas DataFrame中.loc与.at更新单个值的差异是什么？

问题背景 #

首先通过以下代码生成示例DataFrame：

import pandas as pd

person = {
    "first":["Arun", "Hari", "Radha"],
    "second":["Kumar", "Chauhan", "Singh"],
    "email":["arun@gmail.com", "Hari@1234", "radha@gmail"]
}
df = pd.DataFrame(person)

使用以下两种方式更新单个元素后，得到的结果完全一致：

# 方式1：使用loc
df.loc[2, 'second'] = 'kapoor'
# 方式2：使用at
df.at[2, 'second'] = 'kapoor'

更新后的DataFrame：

first   second  email
0   Arun    Kumar   arun@gmail.com
1   Hari    Chauhan Hari@1234
2   Radha   kapoor  radha@gmail

两者的核心差异如下：

• 定位灵活性不同
  df.loc[]是通用的基于标签的索引器，支持复杂的定位操作：比如多行切片df.loc[0:1]、多列选择df.loc[:, ['first', 'email']]、布尔索引df.loc[df['first'] == 'Arun']等；而df.at[]是专门为单个标量元素设计的，只能接收单个行标签+单个列标签的组合，无法完成批量或复杂定位。

• 性能表现有区别
  针对单个元素的读写操作，df.at[]的性能比df.loc[]更优。因为loc需要处理各种通用索引的逻辑，而at直接跳过这些额外处理，精准定位到目标元素，在高频单个元素操作的场景下，这种性能差距会更显著。

• 返回值与适用场景不同
  使用df.loc[]获取数据时，根据选中范围的不同，可能返回DataFrame、Series或标量；而df.at[]始终返回单个标量值。因此loc适合批量数据的读写、复杂条件下的数据操作，at则适合精准的单个元素快速读写。

内容的提问来源于stack exchange，提问作者user16982433