Pandas中用loc修改DataFrame指定行列值失败，求解决方案

先还原你的问题场景：

我尝试将pandas DataFrame中第0行20至71列的值替换为第1行对应列的值，使用sub_data.loc[[0],20:71] = sub_data.loc[1,20:71]或sub_data.loc[0,20:71] = sub_data.loc[1,20:71]两种方式均未成功，请问有什么解决建议？

为什么loc赋值会失效？ #

这两种方式没生效，大概率是Pandas的索引对齐机制在搞鬼。当你用loc赋值时，右侧返回的是带列索引的Series，Pandas会自动尝试按列索引匹配赋值位置。如果你的DataFrame列索引不是连续整数（比如有缺失、是字符串类型），或者赋值过程触发了隐性的SettingWithCopyWarning（比如操作的是原DataFrame的切片副本），就会导致赋值没真正作用到原DataFrame上。

可行的解决方法 #

1. 你已经验证有效的方法：iloc.update()

iloc是纯位置索引，完全绕开了索引对齐的问题，update()方法会直接按位置把右侧的值覆盖到左侧，非常稳妥：

sub_data.iloc[0,20:71].update(sub_data.iloc[1,20:71])

2. 跳过索引对齐的loc赋值

如果还是想用loc，可以把右侧的Series转成numpy数组，这样Pandas就不会做索引对齐，直接按位置赋值：

sub_data.loc[0, 20:71] = sub_data.loc[1, 20:71].values

3. 直接用iloc赋值

同样基于位置索引，只要左右两侧形状匹配，直接赋值也能生效：

sub_data.iloc[0, 20:71] = sub_data.iloc[1, 20:71].values

内容的提问来源于stack exchange，提问作者Medhat