循环中为DataFrame子集赋值时出现NaN异常求助

这个问题我遇到过！核心原因是pandas用DataFrame赋值时的列名对齐机制在搞鬼，咱们一步步拆解解决：

问题根源 #

你用iloc切片多列得到的是DataFrame对象，当把一个DataFrame赋值给另一个DataFrame时，pandas会优先按列名进行对齐，而不是你预期的位置匹配。你的源列（sm_col:sm_col+2）和目标列（orig_start_col:orig_start_col+2）列名完全不同，所以赋值后找不到匹配的列，自然全是NaN。

而你单独赋值第一列时，用的是iloc[:, col_idx]得到的是Series对象，Series只有行索引没有多列名的限制，赋值时只按行索引对齐，所以能正常生效。

解决方案1：直接用底层数值数组赋值（最直接） #

绕过列名对齐，直接把源切片的数值数组赋值给目标位置：

for node_col in ('leg2_node', 'leg4_node'):
    combo = orig_combos.merge(all, how='inner', left_on='leg6_node', right_on=node_col)
    combo.reset_index(drop=True, inplace=True)
    orig_start_col = combo.columns.get_loc('leg6_alpha_x')
    sm_col = combo.columns.get_loc(node_col + '_y')
    # 关键：加.values获取二维数值数组，按位置赋值
    combo.iloc[:, orig_start_col:orig_start_col+2] = combo.iloc[:, sm_col:sm_col+2].values

解决方案2：用列名赋值（更直观，避免位置计算错误） #

先拿到目标列和源列的名称，直接通过列名赋值（同样可以加.values跳过列名对齐）：

for node_col in ('leg2_node', 'leg4_node'):
    combo = orig_combos.merge(all, how='inner', left_on='leg6_node', right_on=node_col)
    combo.reset_index(drop=True, inplace=True)
    orig_start_col = combo.columns.get_loc('leg6_alpha_x')
    sm_col = combo.columns.get_loc(node_col + '_y')
    
    # 获取列名
    target_cols = combo.columns[orig_start_col:orig_start_col+2]
    source_cols = combo.columns[sm_col:sm_col+2]
    
    # 赋值
    combo[target_cols] = combo[source_cols].values

解决方案3：逐列赋值（沿用你单列成功的逻辑） #

既然单列赋值没问题，那就循环两列分别赋值：

for node_col in ('leg2_node', 'leg4_node'):
    combo = orig_combos.merge(all, how='inner', left_on='leg6_node', right_on=node_col)
    combo.reset_index(drop=True, inplace=True)
    orig_start_col = combo.columns.get_loc('leg6_alpha_x')
    sm_col = combo.columns.get_loc(node_col + '_y')
    
    # 逐列赋值
    for i in range(2):
        combo.iloc[:, orig_start_col + i] = combo.iloc[:, sm_col + i]

你可以试试打印combo.iloc[:,sm_col:sm_col+2].columns和combo.iloc[:,orig_start_col:orig_start_col+2].columns，就能看到两边列名完全不一样，这就是问题的根源。

内容的提问来源于stack exchange，提问作者Eduardo EPF