如何用指定Series更新Pandas DataFrame特定列且保留其余值

这个问题我经常碰到，核心原因是Pandas的索引对齐机制和链式索引的坑，我来给你讲两种简单可靠的解决办法：

方法一：用df.loc直接定位目标行和列赋值 #

这是最直观也最推荐的方式，直接通过loc同时指定筛选条件和要更新的列，避免链式索引带来的副本/视图问题：

import pandas as pd

d = {'Col1':['hello','k','hello','we','r'], 'Col2':[10,20,30,40,50], 'Col3':[1,2,3,4,5]}
df = pd.DataFrame(d)

# 先定义筛选条件，避免重复计算（可选，但更高效）
mask = df['Col1'] == 'hello'
# 直接定位目标行的Col3列，赋值为对应行的Col2值
df.loc[mask, 'Col3'] = df.loc[mask, 'Col2']

运行后你的DataFrame会变成：

Col1  Col2  Col3
0  hello    10    10
1      k    20     2
2  hello    30    30
3     we    40     4
4      r    50     5

方法二：使用Series.update()方法 #

Pandas的update()方法会自动根据索引匹配值，只更新有对应数据的行，其余行保留原值，用法更简洁：

df['Col3'].update(df.loc[df['Col1'] == 'hello', 'Col2'])

为什么原来的方法会导致NaN？ #

你之前的代码my_values = df.loc[df['Col1']=='hello']['Col2']属于链式索引（先取子集再取列），这时候得到的my_values是仅包含索引0和2的Series。当你直接赋值df['Col3'] = my_values时，Pandas会按索引对齐：只有索引0和2有对应值，其他索引位置没有匹配的数据，就会被填充为NaN。

而上面两种方法都是直接在原DataFrame的目标位置上赋值，不会触发索引对齐带来的NaN问题，也能避免SettingWithCopy警告。

内容的提问来源于stack exchange，提问作者user2261062