为何Pandas用.loc交换列值不生效，列对齐优先于赋值是什么含义

「列对齐优先于赋值」的核心含义 #

只要赋值符号右侧是带标签的Pandas对象（Series/DataFrame），Pandas在执行赋值操作前，会优先将右值的行、列标签和左值待赋值区域的行、列标签做匹配对齐，只有标签完全匹配的位置才会执行赋值，整个对齐操作的优先级高于赋值动作本身，列的顺序不影响对齐结果。

三种写法的差异原因 #

1. .loc写法无法交换列的原因 #

df.loc[:, ['B', 'A']] = df[['A', 'B']]中，右值df[['A', 'B']]是带列标签['A','B']的DataFrame。对齐时，右值的A列会匹配左值待赋值区域的A列，右值的B列匹配左值的B列，相当于最终还是A列赋值给A列、B列赋值给B列，自然不会产生修改效果。

2. 直接[]选择列可以交换的原因 #

这属于Pandas早期版本遗留的兼容行为：当左值是df[列名列表]这种形式时，若右值是同维度的DataFrame，Pandas会跳过列对齐逻辑，直接按位置赋值。但该行为属于非显式的约定，官方不推荐依赖，不同版本可能存在逻辑差异。

3. 加.to_numpy()后可以交换的原因 #

df[['A', 'B']].to_numpy()会将DataFrame转换为不带任何行、列标签的原生NumPy数组，Pandas遇到无标签的右值时，不会执行对齐操作，直接按位置依次赋值：左值的B列对应右值数组的第一列（原A列的值），左值的A列对应右值数组的第二列（原B列的值），因此可以完成列交换，这种写法的行为是明确可预期的，也是官方推荐的写法。

补充说明：.iloc赋值的逻辑和.loc完全一致，只要右值是带标签的Pandas对象，都会先执行标签对齐，不会按位置赋值。

内容的提问来源于stack exchange，提问作者fizz fish