嘿，这个问题我之前也踩过坑！核心原因是Pandas的列名对齐机制在搞鬼～

问题根源 #

当你用多列赋值时：

df.loc[~(df["B"].isna()), ["A","B","C"]] = df.loc[~(df["B"].isna()), ["X","Y","Z"]]

右边返回的是一个带有X/Y/Z列名的DataFrame，而左边的目标列是A/B/C。Pandas在赋值时会严格按照列名匹配来填充数据——由于两边列名完全不对应，Pandas找不到匹配的列，就会给这些位置填充NaN。

而单列赋值时没问题，是因为右边返回的是Series，没有列名的匹配问题，只需要按索引对齐就能正常赋值。

解决办法 #

这里有几个简单有效的方案：

方案1：直接提取数值跳过列名对齐（最简单）

如果你的替换列顺序完全对应（X→A、Y→B、Z→C），可以用.values或.to_numpy()直接取出右边的数值数组，绕过列名匹配：

import pandas as pd

columns = {"A":[1,2,3],
           "B":[4,pd.NA,6],
           "C":[7,8,9],
           "X":[10,20,30],
           "Y":[40,50,60],
           "Z":[70,80,90]}

df = pd.DataFrame(columns)

# 核心修改：加上.values
mask = ~df["B"].isna()
df.loc[mask, ["A","B","C"]] = df.loc[mask, ["X","Y","Z"]].values

print(df)

输出结果完全符合你的预期：

A     B     C   X   Y   Z
0  10  40.0  70.0  10  40  70
1   2   NaN   8.0  20  50  80
2  30  60.0  90.0  30  60  90

方案2：重命名列名后赋值（更稳妥）

如果担心列顺序可能变化，可以先把右边的列名改成和左边一致，再赋值：

mask = ~df["B"].isna()
# 重命名列名，让两边列名匹配
replace_data = df.loc[mask, ["X","Y","Z"]].rename(columns={"X":"A", "Y":"B", "Z":"C"})
df.loc[mask, ["A","B","C"]] = replace_data

方案3：使用update方法（Pandas原生更新方式）

update方法会自动按索引和列名匹配更新数据，适合更复杂的场景：

mask = ~df["B"].isna()
update_data = df.loc[mask, ["X","Y","Z"]].rename(columns={"X":"A", "Y":"B", "Z":"C"})
df.update(update_data)

总结 #

单列和多列赋值的差异本质是Pandas对Series和DataFrame的处理逻辑不同——多列赋值一定要注意列名对齐的问题，要么跳过对齐，要么主动匹配列名，就能解决空值问题啦～

备注：内容来源于stack exchange，提问作者mmTmmR