详解pandas赋值失败问题解决

七月

发布时间：2026-10-14| 4人浏览过

原创

本文深入解析pandas中DataFrame赋值失败的常见场景，涵盖整列直接赋值、单值与多值非整列赋值以及跨列赋值的正确做法。重点阐述使用.loc进行条件赋值时因形状不匹配导致的报错原因，并提供通过.values.tolist()获取列表的正确实现方式，帮助开发者避免常见陷阱。

pandas整列赋值方法

一、pandas对整列赋值

这种情况相对常规，通常可以直接进行赋值操作：


x = pd.DataFrame({'A': ['1', '2', '3', None, None],
      'B': ['4', '5', '6', '7', None]})
x['A'] = ['10', '11', '12', '13', '14']

pandas非整列赋值陷阱与解决

二、pandas对非整列赋值

1、用单个值赋值


x = pd.DataFrame({'A': ['1', '2', '3', None, None],
      'B': ['4', '5', '6', '7', None]})
index = x['A'].isna()
x[index]['A'] = 100

结果可能令人困惑，赋值操作看似未生效。

2、用多个值赋值


x = pd.DataFrame({'A': ['1', '2', '3', None, None],
      'B': ['4', '5', '6', '7', None]})
index = x['A'].isna()
x[index] = [100, 200]

此时会触发报错，系统提示建议使用.loc进行赋值，我们可以尝试这种方法。

3、.loc赋值


x = pd.DataFrame({'A': ['1', '2', '3', None, None],
      'B': ['4', '5', '6', '7', None]})
index = x['A'].isna()
x.loc[index, ['A']] = [100, 200]

尽管使用了.loc，仍然出现报错，这通常是由于数据形状（shape）不匹配所致。


x.loc[index, ['A']] = [['100'], ['200']]

pandas跨列赋值的正确实践

三、用数据的另外一列赋值

1、错误方式


x = pd.DataFrame({'A': ['1', '2', '3', '', ''],
        'B': ['4', '5', '6', '7', '']})
index = x['A'].isna()
x.loc[index, ['A']] = x.loc[index, ['B']]

正确方式


x = pd.DataFrame({'A': ['1', '2', '3', '', ''],
        'B': ['4', '5', '6', '7', '']})
index = x['A'].isna()
x.loc[index, ['A']] = x.loc[index, ['B']].copy().values.tolist()