Pandas为MultiIndex二级层级赋值时出现NaN问题

赋值出现全NaN的核心是Pandas的索引对齐机制：

• 你通过df_test.loc[('even',),1]选中的目标区域，行索引是MultiIndex中parity='even'对应的第二层mod5索引，标签为[0,1,2,3,4]
• 你传入的赋值对象是pd.DataFrame(np.arange(5)+5,index = np.arange(5))，是二维结构，且自身行索引没有和原表的mod5层级做匹配，Pandas对齐时找不到匹配的标签，就会全部填充为NaN
• 你之前尝试的df_test.loc['even']['1']属于链式索引，Pandas会先返回切片的副本而非原表视图，对副本的修改不会写入原DataFrame，这是官方明确不推荐的写法。

以下任意一种写法都能得到预期结果：

方案1：直接传入一维数组赋值（最简洁） #

不需要额外构造DataFrame，直接传入和目标切片长度一致的一维值序列即可，Pandas会按顺序赋值：

import pandas as pd
import numpy as np

df_test = pd.DataFrame(
    np.ones((10,2)),
    index = pd.MultiIndex.from_product(
        [['even','odd'],[0,1,2,3,4]],
        names = ['parity','mod5']
    )
)
df_test.loc[('even',), 1] = np.arange(5) + 5

方案2：传入索引完全匹配的Series #

如果需要用Pandas对象赋值，构造和目标区域第二层索引完全一致的一维Series，保证标签对齐：

assign_values = pd.Series(
    np.arange(5)+5,
    index=pd.Index([0,1,2,3,4], name='mod5')
)
df_test.loc[('even',), 1] = assign_values

方案3：用IndexSlice明确切片范围（多层索引场景推荐） #

多层索引切片时用pd.IndexSlice可以避免索引歧义，可读性更强：

idx = pd.IndexSlice
df_test.loc[idx['even', :], 1] = np.arange(5) + 5

执行上述任意一种修正代码后，输出如下：

0    1
parity mod5          
even   0     1.0  5.0
       1     1.0  6.0
       2     1.0  7.0
       3     1.0  8.0
       4     1.0  9.0
odd    0     1.0  1.0
       1     1.0  1.0
       2     1.0  1.0
       3     1.0  1.0
       4     1.0  1.0

内容的提问来源于stack exchange，提问作者lag