为什么pandas.DataFrame中.loc使用双层方括号赋值会出现NaN？

核心原因是pandas不同赋值方式的索引对齐规则不同，具体原理如下：

• pandas的赋值操作默认会做索引对齐，loc作为严格的标签索引器，会同时对齐行索引和列索引，而直接用[]做列赋值时，不会对齐右侧的列索引，只会按位置匹配。
• 对于df[['name']] = df[['age']]：
  直接用[]选取多列做赋值时，pandas忽略右侧DataFrame的列名，只要左右两边的形状（行数、列数）匹配，就直接按位置把右侧的值填充到左侧列中，所以可以成功把age列的值赋给name列。
• 对于df.loc[:, ['name']] = df.loc[:, ['age']]：
  左右两边返回的都是DataFrame结构，loc赋值会先匹配两边的列名：左侧目标列是name，右侧来源列是age，两边列名无法匹配，匹配不到的位置就会填充为NaN，所以最终name列全为NaN。
  你可以通过修改右侧列名和左侧对齐验证这个逻辑，以下代码可以得到预期结果：

  df.loc[:, ['name']] = df.loc[:, ['age']].rename(columns={'age': 'name'})
  

• 对于df.loc[:, 'name'] = df.loc[:, 'age']：
  左右两边返回的都是Series结构，Series只有行索引没有列索引，赋值时只需要匹配行索引即可，案例中两边的行索引都是0、1、2完全匹配，所以可以直接赋值成功。

内容的提问来源于stack exchange，提问作者mathgeek