当我们使用Pandas时，有时候会遇到一个赋值失败的问题，即修改了数据，但数据并没有真正地被修改，这可能会给我们的数据分析带来很大的麻烦。此问题的解决方法如下：
问题出现的原因
Pandas的dataframe赋值与其他变量赋值方式不同，即在进行dataframe赋值时，它会根据索引和列名的组合来进行修改原数据。如果使用了错误的索引或列名，就会导致修改失败。如果我们使用类似于 df[‘A’][‘a’] 的方式进行修改数据，就会出现上述问题。而正确的方式是使用 df.loc[‘a’, ‘A’]。
解决方法
1. 使用 loc 或 iloc 进行数据修改
- loc可以通过行标签或列标签选择数据，可用布尔索引过滤或条件查询数据，语法如下：
df.loc[row_indexer,col_indexer] = value
其中 row_indexer 和 col_indexer 有以下几种选择方式：
- 布尔类型数组、值列表、切片、区间段、单个标签
示例：
“`python
import pandas as pd
df = pd.DataFrame({‘A’: [1, 2], ‘B’: [3, 4]})
df.loc[1, ‘A’] = 5
print(df)
“`
输出结果：
A B
0 1 3
1 5 4
可以看到，使用 loc 进行赋值时成功修改了数据，示例中先选取出第二行（row_indexer=1），再选取出‘A’列（col_indexer=‘A’），成功将值从2修改为5。
- iloc 是使用行或列的整数位置进行选择，语法类似于 loc：
df.iloc[index,row_indexer,col_indexer] = value
其中 index 是整数位置， row_indexer 和 col_indexer 同 loc。使用 iloc 更加类似于传统把数据更新时的语法。
示例：
“`
import pandas as pd
df = pd.DataFrame({‘A’: [1, 2], ‘B’: [3, 4]})
df.iloc[1, 0] = 5
print(df)
“`
输出结果：
A B
0 1 3
1 5 4
示例中刚好选中第二行第一列数据进行修改，修改前的数据为‘2’，修改后的数据为‘5’。可以看到，通过 iloc 选取特定列和数据时修改的数据与目标位置是一致的。
2. 使用 Pandas 的 set_value 函数进行数据修改
- set_value 函数是Pandas内置函数，用于对单个元素进行修改，语法如下：
df.set_value(index, col, value)
示例：
“`python
import pandas as pd
df = pd.DataFrame({‘A’: [1, 2], ‘B’: [3, 4]})
df.set_value(1, ‘A’, 5)
print(df)
“`
输出结果：
A B
0 1 3
1 5 4
可以看出，使用 set_value 函数成功修改了数据。
综上所述，要成功修改Pandas的数据，需要牢记以下两点：
- 应该使用 .loc 或 .iloc 来选择元素进行修改。
- 不要直接对 dataframe 使用索引，应该使用 .loc 或 .iloc，否则赋值会失败。
以上两种方法应该充分解决了Pandas的赋值失败问题。