为何SettingWithCopyWarning警告会出现看似不一致的触发情况？

环境准备 #

我们首先导入pandas和numpy，然后创建一个5000行×10列的pd.DataFrame，命名为df

import pandas as pd
import numpy as np

# Generate non-trivial df
data = np.random.rand(5000, 10)
column_names = [f'col_{i}' for i in range(10)]
df = pd.DataFrame(data, columns=column_names)

触发SettingWithCopyWarning警告 #

我们选取df的2列，并为其添加一个值为10的新列

foo = df
print(f"foo has type {type(foo)}\n")
bar = foo[["col_0", "col_1"]]
bar["new"] = 10
print(f"After modification bar has {type(bar)}\n\nbar is:\n{bar}")

执行后得到如下输出：

foo has type <class 'pandas.core.frame.DataFrame'>

After modification bar has <class 'pandas.core.frame.DataFrame'>

bar is:
         col_0     col_1  new
0     0.837911  0.715060   10
...        ...       ...  ...
4999  0.684007  0.176949   10

[5000 rows x 3 columns]
C:\Users\vents\AppData\Local\Temp\ipykernel_5824\1295636698.py:5: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  bar["new"] = 10

注意底部出现的警告信息。

对另一DataFrame执行相同操作却未触发警告 #

现在我们执行相同操作，但将foo设置为一个小型表格

foo = pd.DataFrame([["x",20.2,30], ["y",80,70]], columns=["col_0", "col_1", "col_2"])
print(f"foo has type {type(foo)}\n")
bar = foo[["col_0", "col_1"]]
bar["new"] = 10
print(f"After modification bar has {type(bar)}\n\nbar is:\n{bar}")

执行后得到如下输出：

foo has type <class 'pandas.core.frame.DataFrame'>

After modification bar has <class 'pandas.core.frame.DataFrame'>

bar is:
  col_0  col_1  new
0     x   20.2   10
1     y   80.0   10

此次未出现警告。

我的猜想与疑问 #

据我理解，SettingWithCopyWarning意味着无法确定当前表格是copy（副本）还是view（视图）。或许pandas存在优化逻辑：当表格较小时直接返回副本，避免用户困惑；而表格较大时为节省内存，要求用户明确操作？

这是我的初步猜想。

我不愿直接采用通用建议（如使用foo.loc[:, ["col_0", "col_1"]]或foo[["col_0", "col_1"]].copy()来消除警告），因为我尚未完全理解问题本质...

比如我的代码中还有哪些不良写法，只是侥幸未触发警告？

根据网上资料，多数SettingWithCopyWarning会在选取与原表格类型不同的数据子集并对其操作时触发（例如foo[0]["col_0"]，先选取序列foo[0]再从中获取列col_0）。

内容的提问来源于stack exchange，提问作者Ventsi Radev