Pandas字典值列索引读取正常，为何__setitem__赋值时报KeyError？

该现象属于Pandas的潜在实现缺陷，对应官方仓库中用户NicMoetsch提交的#40846问题单，本质是DataFrame内置的__setitem__()与__getitem__()方法实现逻辑不统一，对可迭代索引对象的识别规则存在差异。

完整复现场景 #

• 前置列重命名环节：业务场景下需要遍历多DataFrame列表，通过子串匹配完成列名映射，逐键执行重命名的核心逻辑如下：

  cols_dict = {
      'Long_column_Name': 'first_column',
      'Other_Long_Column_Name': 'second_column',
      'AnotherLongColName': 'third_column'
  }
  for key, val in cols_dict.items():
      df.rename(columns={key: val}, inplace=True)
  

  注：逐键循环重命名并非冗余写法，是适配批量多表匹配逻辑的必要操作。

• 只读计算场景运行正常：使用dict_values类型的列索引执行切片、配合applymap完成值清洗时，代码可正常执行：

  pibs[cols_dict.values()].applymap(
      lambda x: np.nan if ':' in str(x) else x
  )
  

• 赋值回写场景触发报错：将清洗后的切片结果赋值回原DataFrame对应列时，会抛出KeyError，错误核心为框架无法将传入的dict_values(['first_column', 'second_column', 'third_column'])识别为合法列名集合。触发报错的代码如下：

  pibs[cols_dict.values()] = pibs[cols_dict.values()].applymap(
      lambda x: np.nan if ':' in str(x) else x
  )
  

• 临时规避方案：将字典值显式转换为list类型后再参与索引赋值，代码即可正常运行：

  pibs[list(cols_dict.values())] = ...
  

读写路径的识别规则差异 #

针对核心疑问——为何完全相同的cols_dict.values()索引对象，在只读切片、配合计算的场景下可被正常识别，到了赋值场景就触发异常，本质是两套内置方法的判定逻辑不一致：

• 读路径（触发__getitem__()）的判定逻辑更宽松：对非list、非tuple的可迭代对象（包括dict_values、生成器、自定义可迭代类），会自动遍历取出内部元素，识别为列名集合完成切片匹配，因此只读+计算的流程可以正常运行。
• 写路径（触发__setitem__()）的判定逻辑更严格：仅将list、NumPy数组、Index类对象判定为合法的多列索引，对dict_values这类未明确支持的可迭代类型，会误将整个对象识别为单个标量列名（把dict_values实例本身当成列名去做匹配），自然无法匹配到目标列，最终抛出KeyError。

内容的提问来源于stack exchange，提问作者semblable