Int64类型DataFrame调用to_numpy无法修改原数据，如何向量化修改指定位置值？

问题原因 #

两种int类型的底层存储逻辑不同导致了修改效果的差异：

• 原生int64是numpy原生类型，DataFrame底层直接存储连续的numpy数组，to_numpy()默认返回视图，修改返回值会同步到原DataFrame
• 可空类型pd.Int64Dtype是pandas自定义的扩展数组类型，底层用「值数组+掩码数组」的结构存储，to_numpy()必须做类型转换生成新数组，返回的永远是拷贝，修改自然不会影响原DataFrame

向量化修改方案 #

直接用pandas原生的iloc索引即可，不需要循环也不需要转numpy数组：

two.iloc[r, c] = 99

该操作本身是向量化实现的，性能远高于for循环，同时兼容所有pandas支持的数据类型（包括各类扩展类型）。

效果验证 #

执行赋值后打印two即可看到对应位置已被修改：

print(two)

输出：

0   1   2   3   4
0   0  99   2   3   4
1   5   6   7   8  99
2  10  11  12  13  14
3  15  99  17  18  19
4  99  99  22  23  24

补充说明 #

你使用的pandas 1.3.1版本完全兼容上述索引语法，不需要额外适配。如果需要修改的值和原类型不匹配，pandas会自动做安全类型转换，不会出现隐式类型降级的问题。

内容的提问来源于stack exchange，提问作者Ch3steR