如何正确为pandas.DataFrame中指定单元格赋值？

这是个非常典型的pandas链式索引陷阱问题，我来给你拆解清楚：

首先还原你的场景：
你创建了这样的DataFrame：

import pandas as pd
import numpy as np
from pandas import DataFrame

df = DataFrame(np.arange(15).reshape(3,5), columns=['a','b','c', 'd', 'e'])

初始的df是：

a   b   c   d   e
0  0   1   2   3   4
1  5   6   7   8   9
2 10  11  12  13  14

为什么df[flag]['b']=10不生效？ #

这段代码属于链式索引（Chained Indexing），也就是连续两次使用[]索引：

1. 第一步df[flag]：布尔索引会返回一个新对象——大概率是原DataFrame的副本（而非视图），pandas无法保证这个操作返回的是视图还是副本，取决于内部存储机制和数据结构。
2. 第二步['b']=10：你其实是在给这个副本的b列赋值，修改的只是临时的副本对象，原DataFramedf完全没被触及，所以执行完后原df没有变化。

pandas官方文档明确警告过：链式赋值是不可靠的，绝对不要依赖这种方式修改数据。

为什么df['b'][flag] = 10生效了？ #

这种方式也是链式索引，但顺序不同：

1. 第一步df['b']：取的是原DataFrame的b列，返回的是一个Series视图（和原df共享数据）。
2. 第二步[flag] = 10：通过布尔索引修改这个Series的对应位置，因为是视图，所以修改会直接同步到原df中。

不过要注意：这种方式也不是100%安全的，在某些特殊场景下（比如数据类型转换、切片规则变化），df['b']也可能返回副本，导致修改不生效。它只是碰巧在你的场景里生效了，并非推荐写法。

推荐的正确赋值方式：使用.loc #

pandas官方推荐使用.loc进行标签式索引赋值，这种方式明确、安全，完全避免视图/副本的歧义：

flag = df['b'] > 3
df.loc[flag, 'b'] = 10

执行后原df会正确更新为：

a   b   c   d   e
0  0   1   2   3   4
1  5  10   7   8   9
2 10  10  12  13  14

.loc的语法是df.loc[行条件, 列名]，直接定位到要修改的单元格范围，操作的就是原DataFrame，从根源上规避了链式索引的陷阱。

内容的提问来源于stack exchange，提问作者Ace