Pandas DataFrame使用字典更新元素报ValueError原因解析

pandas的.loc索引器对传入的字典类型参数有特殊解析规则：默认会把字典识别为「列名对应赋值内容」的批量赋值映射，而不是要存入单个单元格的整体标量值。
执行df.loc[pos, 'attributes'] = {'c':2}时，pandas会尝试将传入的{'c':2}转成以字典键为索引的Series，再和你定位的目标单元格做索引对齐。此时字典的键是字符串'c'，但目标位置的行索引是你筛选得到的pos（示例中为整数0），二者索引完全无法匹配，就会抛出ValueError: Incompatible indexer with Series错误。

你的赋值逻辑本身没有业务错误，只是踩中了pandas赋值规则的隐式设计坑：没有明确告知pandas，传入的字典是需要整体存入单元格的单个对象，而非用于批量匹配赋值的键值映射。

你找到的替代写法能正常运行，是因为你先通过df.loc[:,'attributes']取到了attributes列对应的Series对象，再调用Series自身的.at定位索引位置做赋值。Series层面的单值赋值不会把字典解析为批量映射结构，因此可以正常写入。但这种先取整列再定位赋值的写法属于链式索引，在部分DataFrame返回视图而非副本的场景下，可能触发SettingWithCopyWarning，甚至出现赋值不生效的问题。

• 直接使用专为单标量快速赋值设计的.at索引器定位目标单元格，不会触发字典的批量映射解析，也没有链式操作的风险：

import pandas as pd

df = pd.DataFrame(data=[['a', {'b':1}]], columns=['name', 'attributes'])
pos = df[df.loc[:,'name']=='a'].index[0]
df.at[pos, 'attributes'] = {'c':2}

• 如果坚持用.loc赋值，可以将目标字典包裹在列表中传入，明确告知pandas这是要写入对应位置的单个元素：

df.loc[pos, 'attributes'] = [{'c':2}]

内容的提问来源于stack exchange，提问作者transmini