即使使用 .loc 后，Pandas 仍然收到SettingWithCopyWarning

首先，我尝试编写一些如下所示的代码：

import numpy as np
import pandas as pd
np.random.seed(2016)
train = pd.DataFrame(np.random.choice([np.nan, 1, 2], size=(10, 3)), 
                     columns=['Age', 'SibSp', 'Parch'])

complete = train.dropna()    
complete['AgeGt15'] = complete['Age'] > 15

得到SettingWithCopyWarning后，我尝试使用.loc：

complete.loc[:, 'AgeGt15'] = complete['Age'] > 15
complete.loc[:, 'WithFamily'] = complete['SibSp'] + complete['Parch'] > 0

但是，我仍然收到同样的警告。是什么赋予了？

注意：从 pandas 0.24 版本开始，is_copy已弃用并将在未来版本中删除。虽然私有属性_is_copy存在，下划线表示该属性不是公共 API 的一部分，因此不应依赖。因此，展望未来，沉默似乎是唯一正确的方法。SettingWithCopyWarning将在全球范围内这样做：

pd.options.mode.chained_assignment = None

When complete = train.dropna()被执行，dropna可能会返回一份副本，所以 出于谨慎考虑，Pandas 设置了complete.is_copy到一个诚实的 价值：

In [220]: complete.is_copy
Out[220]: <weakref at 0x7f7f0b295b38; to 'DataFrame' at 0x7f7eee6fe668>

这允许 Pandas 稍后警告您，当complete['AgeGt15'] = complete['Age'] > 15执行后您可能正在修改副本，这不会影响train。对于初学者来说，这可能是一个有用的警告。就您而言，您似乎无意修改train间接通过修改complete。因此，在您的情况下，警告只是毫无意义的烦恼。

您可以通过设置使警告静音，

complete.is_copy = False       # deprecated as of version 0.24

这比制作实际副本要快，并且可以减少SettingWithCopyWarning处于萌芽状态（此时where _check_setitem_copy叫做):

def _check_setitem_copy(self, stacklevel=4, t='setting', force=False):
    if force or self.is_copy:
        ...

如果您确实有信心知道自己在做什么，则可以关闭SettingWithCopyWarning全球范围内与

pd.options.mode.chained_assignment = None # None|'warn'|'raise'

消除警告的另一种方法是制作一个新副本：

complete = complete.copy()

但是，如果 DataFrame 很大，您可能不想这样做，因为复制 可能需要大量的时间和内存，而且它是 完全没有意义（除了为了压制warning） 如果你知道的话complete已经是副本了。