pandas 賦值操作 from loc 或者iloc

case 1在pandas文檔中有一個操作：交換兩列的value

import pandas as pd
import numpy as np


values = np.arange(40).reshape(10,4)
dates = pd.date_range('2022-01-01',periods=10)
df = pd.DataFrame(values,index=dates,columns=list('ABCD'))
df[['B','A']] = df[['A',"B"]]  #[] 可以接受 list 
#輸出結果：完成A 、B列swap value
             A   B   C   D
2022-01-01   1   0   2   3
2022-01-02   5   4   6   7
2022-01-03   9   8  10  11
2022-01-04  13  12  14  15
2022-01-05  17  16  18  19
2022-01-06  21  20  22  23
2022-01-07  25  24  26  27
2022-01-08  29  28  30  31
2022-01-09  33  32  34  35
2022-01-10  37  36  38  39


df[['B','H']] = df[['A',"B"]]  # A的value換到B列，H列為新增列，它的value為B列上的raw value 即原始值 
#輸出：上述賦值的左邊其實在為df創建新的列，H列即為新列名，df[['B','A']] = df[['A',"B"]]  中也是同理，只不過新列名與原始同名，會直接被重寫
             A   B   C   D   H
2022-01-01   0   0   2   3   1
2022-01-02   4   4   6   7   5
2022-01-03   8   8  10  11   9
2022-01-04  12  12  14  15  13
2022-01-05  16  16  18  19  17
2022-01-06  20  20  22  23  21
2022-01-07  24  24  26  27  25
2022-01-08  28  28  30  31  29
2022-01-09  32  32  34  35  33
2022-01-10  36  36  38  39  37

case2 ：set value的時候使用loc 、iloc：

import pandas as pd
import numpy as np


values = np.arange(40).reshape(10,4)
dates = pd.date_range('2022-01-01',periods=10)
df = pd.DataFrame(values,index=dates,columns=list('ABCD'))
df.loc[:,['B','A']]=df[['A','B']]  
#輸出結果與df無二樣，按理來說 A B之間互換value才對。

df.loc[:,['A','C']]=df[['B','A']]  

#輸出：# C列值被NAN直接overwritten了，意思是在賦值操作右邊沒有給我們的C列提供值進行set value ，A列 也不是B列的value，保持remain。
               A     B   C     D
2022-01-01   0.0   1.0 NaN   3.0
2022-01-02   4.0   5.0 NaN   7.0
2022-01-03   8.0   9.0 NaN  11.0
2022-01-04  12.0  13.0 NaN  15.0
2022-01-05  16.0  17.0 NaN  19.0
2022-01-06  20.0  21.0 NaN  23.0
2022-01-07  24.0  25.0 NaN  27.0
2022-01-08  28.0  29.0 NaN  31.0
2022-01-09  32.0  33.0 NaN  35.0
2022-01-10  36.0  37.0 NaN  39.0


df.loc[:,['A','C']]=df[['B','A']].to_numpy() #使用原始值，而且copy 或者view 映射的value
#輸出： 完成 B列 替換A列，A列替換C列
             A   B   C   D
2022-01-01   1   1   0   3
2022-01-02   5   5   4   7
2022-01-03   9   9   8  11
2022-01-04  13  13  12  15
2022-01-05  17  17  16  19
2022-01-06  21  21  20  23
2022-01-07  25  25  24  27
2022-01-08  29  29  28  31
2022-01-09  33  33  32  35
2022-01-10  37  37  36  39

結論

在pandas使用loc、iloc進行set value的時候，會先進行賦值兩邊所有軸的對齊，在上述中 C列最后為NAN，是因為在賦值 沒有找到對應的C列，這樣導致的結果是 使用iloc 或者loc賦值不會改變原始DataFrame 或者series ；