pandas中使用df.loc[boolean_mask, col] = value看似在操作“副本”，实则直接原地修改原始数据，这是由布尔索引的赋值机制决定的——它不返回可独立修改的视图或拷贝，而是直接定位并更新原始dataframe中的对应位置。
在Pandas中，“获取”（reading）与“设置”（writing）是两种语义完全不同的操作。当你执行：
mask = [True, True, False] subset = df.loc[mask, 'a'] # ← 获取操作（reading）
此时subset确实是一个独立的Series（_is_view为False），对它进行赋值（如subset.iloc[0] = 'xyz'）不会影响原DataFrame——因为这只是在操作一个新创建的、脱离原始内存的数据对象。
但关键区别在于：df.loc[mask, 'a'] = 'abcd' 并非先取副本再赋值，而是一次原子性的“就地写入”操作。Pandas解析该表达式时，会直接根据布尔掩码定位原始DataFrame中满足条件的行索引（此处为第0、1行），然后将'abcd'写入原数据的对应位置。这本质上等价于：
df.loc[df.index[mask], 'a'] = 'abcd' # 显式索引，强调“原地更新”
因此，输出结果中第0、1行的'a'列被成功修改，而第2行保持不变。
⚠️ 注意事项：
- ._is_view仅反映读取结果是否为视图，与赋值行为无关；
- 布尔索引赋值（loc[...] = ...）总是尝试原地修改；若无法安全就地更新（如混合dtype导致内存重分配），Pandas可能抛出SettingWithCopyWarning，但本例中因目标列类型可统一转换（int → object），故静默完成；
- 若需真正隔离修改，必须显式拷贝：
df_copy = df.copy() # 或 df.copy(deep=True) df_copy.loc[mask, 'a'] = 'abcd' # 此时原df不受影响
总结：Pandas的loc赋值不是“取副本→改副本→覆写原数据”，而是“解析索引→直写原址”。理解这一设计是避免意外数据污染的关键。
