为何Pandas抛出“设置不兼容dtype”FutureWarning？

你触发警告的核心原因是：df1.apply(rush_hourizer, axis=1)返回的Series dtype是int64，而目标列rush_hour的 dtype 是int32，两者精度不匹配。

虽然你返回的是Python原生int，但pandas会自动将这些值包装为int64类型的Series（Python int是任意精度，pandas默认用int64兼容），和目标列的int32存在 dtype 冲突，因此触发FutureWarning。

方案1：显式转换 dtype 后赋值 #

直接将apply的结果转换为int32，再赋值给目标列：

mask = (df1.day != 'saturday') & (df1.day != 'sunday')
df1.loc[mask, 'rush_hour'] = df1.apply(rush_hourizer, axis=1).astype('int32')

方案2：用矢量化操作替代apply（更高效） #

apply是逐行遍历，效率较低，推荐用pandas矢量化逻辑实现相同功能，同时直接控制 dtype：

mask = (df1.day != 'saturday') & (df1.day != 'sunday')
# 定义高峰时段条件
is_rush = ((df1['rush_hour'] >= 6) & (df1['rush_hour'] < 10)) | \
          ((df1['rush_hour'] >= 16) & (df1['rush_hour'] < 20))
# 转换为int32后赋值
df1.loc[mask, 'rush_hour'] = is_rush.astype('int32')

额外优化：简化自定义函数（如果坚持用apply） #

你的函数可以简化为接收单个小时值，而非整行Series，减少不必要的索引操作：

def rush_hourizer(hour):
    return 1 if (6 <= hour < 10) or (16 <= hour < 20) else 0

# 直接对rush_hour列apply，而非整行
mask = (df1.day != 'saturday') & (df1.day != 'sunday')
df1.loc[mask, 'rush_hour'] = df1.loc[mask, 'rush_hour'].apply(rush_hourizer).astype('int32')

内容的提问来源于stack exchange，提问作者ssou