如果未定义索引操作返回视图还是副本，那么 pandas 中的视图有何意义？

我已经从 R 切换到 pandas。当我做类似的事情时，我经常得到SettingWithCopyWarnings

df_a = pd.DataFrame({'col1': [1,2,3,4]})    

# Filtering step, which may or may not return a view
df_b = df_a[df_a['col1'] > 1]

# Add a new column to df_b
df_b['new_col'] = 2 * df_b['col1']

# SettingWithCopyWarning!!

我想我理解这个问题，尽管我很乐意了解我做错了什么。在给定的示例中，未定义是否df_b是对df_a或不。因此，分配给的效果df_b不清楚：是否有影响df_a？该问题可以通过在过滤时显式进行复制来解决：

df_a = pd.DataFrame({'col1': [1,2,3,4]})    

# Filtering step, definitely a copy now
df_b = df_a[df_a['col1'] > 1].copy()

# Add a new column to df_b
df_b['new_col'] = 2 * df_b['col1']

# No Warning now

我认为我遗漏了一些东西：如果我们永远无法真正确定我们是否创建了视图，那么视图有什么用呢？来自熊猫文档（http://pandas-docs.github.io/pandas-docs-travis/indexing.html?highlight=view#indexing-view-versus-copy)

除了简单的情况之外，很难预测它是否[getitem] 将返回一个视图或副本（这取决于数组的内存布局，pandas 对此不做保证）

对于不同的索引方法可以找到类似的警告。

我发现在我的代码中散布 .copy() 调用非常麻烦且容易出错。我是否使用了错误的风格来操作我的数据帧？或者性能增益是否如此之高，以至于证明了明显的尴尬是合理的？

好问题！

简短的回答是：这是 pandas 的一个缺陷，正在被修复。

您可以找到有关本质的更长的讨论问题在这里，但主要的收获是，我们现在正在转向“写时复制”行为，在这种行为中，任何时候你进行切片，你都会得到一个新的副本，并且你永远不必考虑视图。修复很快就会解决这个问题重构项目。我实际上尝试直接修复它（see here），但在当前架构中这是不可行的。

事实上，我们会将视图保留在后台 - 当可以提供它们时，它们使 pandas 超级内存高效且快速 - 但我们最终会将它们对用户隐藏，因此，从用户的角度来看，如果您进行切片、索引，或者剪切一个 DataFrame，你得到的实际上将是一个新的副本。

（这是通过在用户仅读取数据时创建视图来完成的，但每当使用赋值操作时，视图将在赋值发生之前转换为副本。）

最好的猜测是修复将在一年内完成——与此同时，我担心有人.copy()可能有必要，抱歉！