合并DataFrame后使用loc赋值元组到单元格失败的原因及解决方法

你遇到的这个问题其实是Pandas中loc赋值逻辑的一个常见“小陷阱”，咱们一步步拆解原因和解决办法：

为什么会触发这个错误？ #

当你执行df.loc[1, '1'] = (1,2)时，Pandas的默认逻辑会把元组（或列表这类可迭代对象）当成要分配给多列的一组值，而非单个单元格的完整内容。

尤其是在你合并了Supplies列之后，DataFrame同时包含两种不同类型的列：存储元组的object类型列，和存储整数的数值列。这时候Pandas的赋值逻辑会误判你是要给多个列赋值，于是会检查可迭代对象的长度是否与目标列数匹配——你的元组长度为2，但只指定了1列，自然就抛出了ValueError: Must have equal len keys and value when setting with an iterable错误。

而df.at是Pandas专门为单个单元格的标量赋值设计的API，它不会尝试“展开”可迭代对象，而是直接将元组作为完整的标量值存入目标单元格，所以不会出现这个问题。

可行的解决办法 #

方法1：使用df.at直接赋值（最推荐） #

这是你已经发现的方案，简单直接，完全适配单个单元格的可迭代对象赋值需求：

df.at[1, '1'] = (1,2)

方法2：用loc时将列名包装为列表 #

如果坚持要使用loc，可以把目标列名放在列表里，明确告诉Pandas你是要给单列的指定行赋值，而非展开可迭代对象分配给多列：

df.loc[1, ['1']] = [(1,2)]

这里把列名'1'改为['1']，同时将元组放在列表中，Pandas就会正确识别这是要给该单元格存入元组值。

方法3：明确指定列的object类型（可选） #

如果列的类型存在歧义，也可以先将目标列强制设置为object类型，确保Pandas将元组视为单个元素处理：

# 把存储元组的列都转为object类型
for col in ['1', '2', '3', '4']:
    df[col] = df[col].astype(object)

# 之后即可正常用loc赋值
df.loc[1, '1'] = (1,2)

这个方法不如前两种直接，一般仅在列类型混乱时使用。

验证效果 #

以方法2为例，执行赋值后打印DataFrame，会得到符合预期的结果：

1        2        3        4  Supplies
0  (10, 0)   (2, 0)  (20, 0)  (11, 0)         1
1    (1,2)   (7, 0)   (9, 0)  (20, 0)         2
2   (2, 0)  (14, 0)  (16, 0)  (18, 0)         3

备注：内容来源于stack exchange，提问作者Alex Anushat