Python Pandas的.loc是否会对原DataFrame执行原地修改？

你遇到的问题核心是列的数据类型（dtype）未自动转换，和.loc的底层逻辑没有直接关联：

• 原始Type列存储的是字符串，dtype为object
• 用.loc赋值时，pandas不会主动修改整列的dtype，你把所有值修改为0、1后，整列的dtype仍为object，打印时看起来是数字，但不属于pandas可识别的数值类型
• df.corr()默认仅对int、float等数值类型的列计算相关性，object类型的列会被直接跳过，因此看不到Type列的相关性结果

第一种map方案返回的结果本身是整数类型，新列BinaryType的dtype为int64，自然会被corr()正常识别。

.loc是pandas基于标签的索引器，修改数据时的核心运行逻辑如下：

• 你传入的行、列筛选条件会先被解析为布尔掩码，定位到要修改的内存块位置
• 赋值时会优先匹配目标列的现有dtype做类型兼容：如果现有dtype为object，可以容纳任意Python对象，因此不会触发整列的dtype升级/转换，直接将赋值内容写入对应位置
• 仅当赋值内容完全无法兼容现有dtype时，才会触发整列的dtype转换（比如给int类型列赋值字符串，会将整列转为object类型）

在.loc修改完成后，手动将Type列转为数值类型即可：

df['Type'] = df['Type'].astype(int)

后续调用df.corr()就能正常输出Type列的相关性结果。

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