Pandas 3中使用命名列和相对行号完成DataFrame赋值的正确方法

我完全懂你遇到的这个头疼问题！之前依赖链式赋值写了好几年的代码，突然因为Pandas的版本更新（尤其是3.0即将默认开启的Copy-on-Write）开始爆警告，而且改的时候还踩了loc和iloc的坑——确实，loc不认相对行号，iloc又不认列名，太闹心了。

核心问题出在你之前的链式赋值df1.col2.iloc[-1] = ...：这是两步操作（先取col2列，再取最后一行），Pandas无法确定你操作的是原DataFrame的视图还是副本，在Copy-on-Write模式下，这种操作肯定无法修改原DataFrame，所以警告是在提前给你打预防针。

下面给你两种可靠的解决方案，都是单步赋值操作，完全避开链式问题，同时保证代码对列顺序变化的鲁棒性：

方案1：用loc结合最后一行的标签 #

df.index[-1]可以拿到DataFrame最后一行的标签（不管你的行索引是默认的连续整数，还是自定义的日期、字符串等），搭配列名直接用loc完成单步赋值：

import numpy as np
import pandas as pd

# 模拟从文件读取的DataFrame，列顺序可能变化
df1 = pd.DataFrame(np.random.random((2,3)), columns=['col2','col3','col1'])
df2 = pd.DataFrame(np.random.random((4,3)), columns=['col1','col3','col2'])

# 正确赋值：一步定位到目标位置
df1.loc[df1.index[-1], 'col2'] = df2.loc[df2.index[-1], 'col2']

这种方法的优势是简洁直观，不需要额外计算列的位置，只要列名不变，不管列顺序怎么变都能正确找到目标位置。

方案2：用iloc结合列名的位置 #

如果更习惯用iloc按位置操作，可以先通过columns.get_loc()获取目标列的位置索引，再结合相对行号-1完成单步赋值：

import numpy as np
import pandas as pd

df1 = pd.DataFrame(np.random.random((2,3)), columns=['col2','col3','col1'])
df2 = pd.DataFrame(np.random.random((4,3)), columns=['col1','col3','col2'])

# 先获取列的位置索引
col2_idx_df1 = df1.columns.get_loc('col2')
col2_idx_df2 = df2.columns.get_loc('col2')

# 用iloc一步赋值
df1.iloc[-1, col2_idx_df1] = df2.iloc[-1, col2_idx_df2]

这种方法适合需要批量操作多列的场景——你可以提前把所有需要的列位置存起来，后续重复使用。

为什么这两种方法有效？ #

它们都是单步赋值操作，直接对原DataFrame的目标位置进行修改，完全避开了链式赋值中“先取子对象再修改”的两步逻辑，所以不会触发Pandas关于视图/副本的警告，而且在Pandas 3.0的Copy-on-Write模式下也能稳定修改原DataFrame，不会出现赋值不生效的问题。

备注：内容来源于stack exchange，提问作者AstroFloyd