我很难找到一个错误，它基本上归结为以下事实 第三行
import pandas as pd
df = pd.DataFrame({'a':range(4),'b':np.random.random(4)})
df.values[1:-1] = [[0.1]*2]*2
不起作用 -- 所有行都保持不变。 虽然阻止我将整数更改为浮点数至少是有意义的(尽管我希望能够规避这一点)，但这似乎不是这种行为背后的原因，因为
df.values[1:-1,1] = [0.1]*2
也没有效果！奇怪的是第三行
import pandas as pd
df = pd.DataFrame({'a':range(4))})
df.values[1:-1] = [[0.1]]*2
确实有效果，尽管仍然不是您所期望的 - 相应的条目设置为零！同样，这有点道理，但我宁愿得到一个例外而不是隐式整数转换。
我认为这种行为应该改变，或者至少熊猫应该给我警告，它忽略了我告诉它做的事情。然而，在我去 github 存储库上打开一个关于它的问题之前，我首先想征求其他意见，更重要的是，我想问：
如何可靠地更改数据帧的子集(按行和列)以获取给定 numpy 数组的值(我知道这是一项黑客努力，但这就是我的数据世界的方式)
首先，不要调用.values来分配给数据。
行为差异的原因是，在您的第一个示例中：
df = pd.DataFrame({'a':range(4),'b':np.random.random(4)})
列'b'是您作为数据参数传递的 numpy 数组的视图，因为构造函数识别这是一个 numpy 数组，出于效率原因，块管理器可以查看数组(无需重建数组并复制数据)。
调用.values时，这可能会也可能不会返回有关基础数据的视图。
当我们打电话给.values：
In[92]:
df.values
Out[92]:
array([[0. , 0.02512956],
[1. , 0.7394139 ],
[2. , 0.7535009 ],
[3. , 0.60658149]])
这是数据的numpy表示形式，它可能是也可能不是真实基础数据的视图。
在您的情况下，它返回的是副本而不是视图，因此为什么会这样：
df.values[1:-1] = [[0.1]*2]*2
不行。
但是，如果您使用iloc那么它确实有效：
df.iloc[1:-1] = [[0.1]*2]*2
在第二个 df 中，您只传递了一个range因此数据是在内部构建的，与传递 numpy 数组时不同，不会对传递的数据进行查看。当您调用.values时，这将返回数据视图，它恰好有效，但不能保证有效。这是应避免的不良做法，以避免这种歧义。