如何规避SettingWithCopyWarning并优化性能与内存占用？

核心思路 #

你遇到的警告是因为输入的features可能是原DataFrame的切片视图（而非独立副本），直接修改视图会触发警告。但你的目标是返回字典，完全不需要修改原features对象，直接基于原数据构建目标字典即可，从根源避免问题。

方案一：直接构建结果字典（最优） #

跳过对features的任何修改操作，直接把原features的内容和新计算的变量整合进字典：

import pandas as pd
import numpy as np

def get_variables(features: pd.Series, hs: float, qv: float, level: float) -> dict:
    # 先将原Series转为字典
    result_dict = features.to_dict()
    # 添加新计算的变量
    result_dict['level_sqrt'] = np.sqrt(level)
    result_dict['spread'] = hs
    result_dict['spread_sqrt'] = np.sqrt(hs)
    result_dict['queue_volume_sqrt'] = np.sqrt(qv)
    result_dict['queue_volume'] = qv
    return result_dict

这个方案完全不触碰原features，既不会触发警告，也没有拷贝带来的性能和内存开销，是效率最高的做法。

方案二：若需操作DataFrame（适配函数注解） #

如果features确实是DataFrame，可使用assign方法创建新的DataFrame（内部浅拷贝比手动copy()更高效），再转为字典：

import pandas as pd
import numpy as np

def get_variables(features: pd.DataFrame, hs: float, qv: float, level: float) -> dict:
    # assign返回新的DataFrame，不修改原对象
    new_features = features.assign(
        level_sqrt=np.sqrt(level),
        spread=hs,
        spread_sqrt=np.sqrt(hs),
        queue_volume_sqrt=np.sqrt(qv),
        queue_volume=qv
    )
    return new_features.to_dict()

assign方法会创建原DataFrame的浅拷贝并添加新列，既不会触发修改视图的警告，性能也优于手动调用copy()。

为什么原代码会触发警告 #

当features是原DataFrame的切片（比如df.loc[df['col'] > 0]）时，它只是原数据的视图而非独立副本。直接修改视图的列会触发SettingWithCopyWarning，而copy()会创建独立副本解决警告，但额外消耗了内存和时间。

内容的提问来源于stack exchange，提问作者Isslerman