可以使用apply对leader进行索引，并与DatasetLabel交换值，尽管这不是很好。
一个问题是Pandas不允许我们使用NaN进行索引。转换为str提供了一个解决方案。（因为NaN是float），所以5就变成了5.0。一旦它变成字符串，就是"5.0"，这将无法匹配leader中的索引值。我们可以删除.0，然后此解决方案将工作-但这有点麻烦。
将DatasetLabel设为：

Unnamed:0  0  1  7  8    9  10  11  12
0          0  A  J  1  2  5.0 NaN NaN NaN
1          1  B  K  3  4  NaN NaN NaN NaN

和leader为：

0   1
0  0  11
1  1   8
2  2   5
3  3   9
4  4   8
5  5   6

然后道：

cols = ["7","8","9","10","11","12"]
updated = DatasetLabel[cols].apply(
    lambda x: leader.loc[x.astype(str).str.split(".").str[0], 1].values, axis=1)

updated
     7    8    9  10  11  12
0  8.0  5.0  6.0 NaN NaN NaN
1  9.0  8.0  NaN NaN NaN NaN

现在，我们可以使用updated对未修改的列（我们称之为original）进行concat：

original_cols = DatasetLabel.columns[~DatasetLabel.columns.isin(cols)]
original = DatasetLabel[original_cols]
pd.concat([original, updated], axis=1)

输出量：

Unnamed:0  0  1    7    8    9  10  11  12
0          0  A  J  8.0  5.0  6.0 NaN NaN NaN
1          1  B  K  9.0  8.0  NaN NaN NaN NaN

注意：这里使用concat可能会更清楚，但这里有另一种更清楚的合并original和updated的方法，使用assign：

DatasetLabel.assign(**updated)

源代码显示，当你试图将一个类似列表的对象（numpy数组、列表、集合、元组等）广播到多个列或行，但没有正确指定索引时，就会发生这种错误。当然，类似列表的对象没有像Pandas对象那样的自定义索引，所以通常会导致这种错误。
常见情况的解决方法：
1.* * 您希望一次在多个列中分配相同的值。**换句话说，您希望使用类似列表的对象来更改某些列的值，该对象（a）长度与列数或行数不匹配，（b）dtype与要分配给它们的列的dtype不匹配。1一个示例可能会使其更清楚。如果您尝试进行以下转换：

使用与下面类似的代码时，会发生此错误：

df = pd.DataFrame({'A': [1, 5, 9], 'B': [2, 6, 10], 'C': [3, 7, 11], 'D': [4, 8, 12]})
df.loc[:2, ['C','D']] = [100, 200.2, 300]

• • 解决方案：**复制列表/数组/元组，转置它（使用T或zip()），然后分配给相关的行/列。2

df.loc[:2, ['C','D']] = np.tile([100, 200.2, 300], (len(['C','D']), 1)).T 
# if you don't fancy numpy, use zip() on a list
# df.loc[:2, ['C','D']] = list(zip(*[[100, 200.2, 300]]*len(['C','D'])))

1.* * 您想要一次将相同的值指派给多个数据列。**如果您尝试进行下列转换

使用类似以下代码：

df = pd.DataFrame({'A': [1, 5, 9], 'B': [2, 6, 10], 'C': [3, 7, 11], 'D': [4, 8, 12]})
df.loc[[0, 1], ['A', 'B', 'C']] = [100, 200.2]

• • 解决方案：**要使其按预期工作，必须将列表/数组转换为具有正确索引的Series：

df.loc[[0, 1], ['A', 'B', 'C']] = pd.Series([100, 200.2], index=[0, 1])

一种常见的子情况是行索引来自布尔掩码。注意：OP中就是这种情况。在这种情况下，只需使用掩码过滤df.index：

msk = df.index < 2
df.loc[msk, ['A', 'B', 'C']] = [100, 200.2]                                 # <--- error
df.loc[msk, ['A', 'B', 'C']] = pd.Series([100, 200.2], index=df.index[msk]) # <--- OK

1.* * 您想要在一个数据行的某些数据列中储存相同的清单。**此案例的说明如下：

• • 解决方案：**使用正确的索引显式构造Series。

# for the case on the left in the image above
df['D'] = pd.Series([[100, 200.2]]*len(df), index=df.index)

# latter case
df.loc[[1], 'D'] = pd.Series([[100, 200.2]], index=df.index[[1]])

1：在这里，我们试图将一个包含float的列表赋给int dtype列，这导致了这个错误。如果我们试图赋给一个int列表（这样dtype匹配），我们会得到一个不同的错误：ValueError: shape mismatch: value array of shape (2,) could not be broadcast to indexing result of shape (2,3)，其也可以通过与上述相同的方法来求解。
2：如果被赋值的对象是一个numpy数组，并且形状不匹配，就会发生与ValueError: Must have equal len keys and value when setting with an ndarray相关的错误。这个错误通常可以使用np.tile或者简单地转置数组来解决。