在利用pandas进行数据处理时，我们经常会向df写入一些数据，向明确位置的df中写入数据，有以下几种方法：

1. 使用 df.loc[] 方法

语法：df.loc[index, column] = value

特点：

• 基于标签（行索引和列名）进行定位。
• 支持单个元素、多元素（通过列表或切片）及条件筛选赋值。
• 如果索引或列名不存在，赋值操作会扩展 DataFrame（新增行或列）。

示例：

# 单个元素赋值
df.loc['row1', 'col1'] = 5

# 多元素赋值（需形状匹配）
df.loc[['row1', 'row2'], ['col1', 'col2']] = [[1, 2], [3, 4]]

# 条件赋值
df.loc[df['col1'] > 10, 'col2'] = 100

优点：

• 灵活性高，支持复杂操作（如多元素、条件过滤）。
• 直接扩展 DataFrame 结构（新增行/列）。

缺点：

• 对单个元素赋值时性能略低于 .at[]。

2. 使用 df.at[] 方法

语法：df.at[index, column] = value

特点：

• 专为单个元素的高效赋值设计。
• 仅支持精确的索引和列名，不支持多元素或条件筛选。

示例：

df.at['row1', 'col1'] = 5

优点：

• 执行速度比 .loc[] 更快（尤其在循环中赋值时）。

缺点：

• 仅适用于单个元素，功能单一。

3. 链式索引（不推荐）

语法：df[column][index] = value

特点：

• 通过列名选择列，再通过索引选择行。
• 可能触发 SettingWithCopyWarning 警告，赋值可能失败。

示例：

# 不推荐！可能导致不可预测的行为
df['col1']['row1'] = 5

缺点：

• 容易因链式操作导致歧义，pandas 无法保证操作的是原数据还是副本。
• 官方明确不推荐此方法。

对比总结

方法	适用场景	性能	灵活性	扩展性（新增行/列）	安全性
.loc[]	单/多元素、条件赋值、批量操作	一般	高	支持	高
.at[]	单个元素赋值	快	低	不支持	高
链式索引	无	一般	低	不支持	低

使用建议

1. 单元素赋值：优先使用 .at[]，尤其在大数据量或循环中。
2. 多元素或条件赋值：必须使用 .loc[]。
3. 避免链式索引：确保代码可维护性和数据操作的安全性。