Pandas中混合元组与字符串列名选择顺序不同引发报错问题咨询

嘿，这个问题我之前也碰到过——这绝对不是你的操作错误，而是pandas 0.20.x/0.22.x版本里的一个已知bug，和混合使用元组列名与字符串列名时的索引处理逻辑缺陷直接相关。

问题到底出在哪？ #

你创建的DataFrame同时有两种类型的列名：一个是元组("a", "b")，另一个是字符串"g"。旧版本的pandas在处理这种混合类型列名的索引列表时，顺序不同会触发不同的内部逻辑：

• 当把元组列名放在索引列表前面（[("a", "b"), "g"]），pandas能正确识别两种列名类型，顺利完成匹配；
• 但把字符串列名放前面（["g", ("a", "b")]）时，旧版pandas会错误地尝试把元组列名转换成和字符串一致的类型，内部数组处理时就会抛出ValueError: setting an array element with a sequence。

这个bug的核心是早期pandas对混合类型列名的索引逻辑没有做统一的类型兼容处理，索引顺序一变，内部的类型推断路径就出问题了。

怎么验证和解决？ #

1. 先确认bug复现：跑下面的代码就能看到两种情况的差异：

import pandas as pd

baz = pd.DataFrame({("a", "b"): [1, 2, 3], "g": [11, 12, 13]})
print(baz[[("a", "b"), "g"]])  # 完全正常
print(baz[["g", ("a", "b")]])  # 触发报错

2. 解决办法有两个：
   • 最彻底的：升级pandas：这个bug在pandas 0.23.0及之后的版本已经被修复了，升级之后不管你怎么调整索引顺序，都能正常选列；
   • 临时救急方案（没法升级时用）：要么把所有列名统一转成字符串，要么用.loc索引器明确指定列：

     # 方案1：统一列名为字符串
     baz.columns = [str(col) for col in baz.columns]
     print(baz[["g", "(a, b)"]])
     
     # 方案2：用.loc索引器绕开bug
     print(baz.loc[:, ["g", ("a", "b")]])
     

额外说明 #

你说这个错误和Numpy的同类错误不是一回事，这点完全正确——这个报错是pandas内部列索引处理逻辑的问题，和Numpy数组赋值时的序列类型不匹配没有关系。

内容的提问来源于stack exchange，提问作者acrophobia