如何修正Pandas替换-999为np.nan时的ChainedAssignmentError警告？

问题根源 #

你触发的警告是因为df['my_column']这类索引方式在Copy-on-Write模式下返回的是原DataFrame的副本，此时使用inplace=True修改的是副本而非原数据，既达不到预期修改效果（或仅偶然生效），还会触发警告。

正确写法 #

1. 直接在原DataFrame上使用replace（推荐）

按照警告提示的方式，直接对原DataFrame调用replace，通过字典指定列和替换规则：

• 单个固定列名：

# 方式1：原地修改原数据
df.replace({'my_column': {-999.0: np.nan}}, inplace=True)

# 方式2：返回新DataFrame并重新赋值（更安全，避免inplace的副作用）
df = df.replace({'my_column': {-999.0: np.nan}})

• 动态列名（如你代码中的occurences[question]['column']）：

col_name = occurences[question]['column']
df.replace({col_name: {-999.0: np.nan}}, inplace=True)

2. 使用loc精准定位赋值

通过loc直接定位到需要修改的行和列，直接赋值为np.nan，逻辑直观且能避免警告：

# 单个固定列
df.loc[df['my_column'] == -999.0, 'my_column'] = np.nan

# 动态列名
col_name = occurences[question]['column']
df.loc[df[col_name] == -999.0, col_name] = np.nan

原写法问题说明 #

• 第一种写法df['my_column'].replace(..., inplace=True)：df['my_column']返回副本，inplace=True仅修改副本，原DataFrame未更新，触发警告。
• 第二种写法df.loc[:, 'my_column'] = df.loc[:, 'my_column'].replace(...)：虽最终能修改原数据，但中间生成了新Series再赋值，属于间接操作，在Copy-on-Write模式下仍可能触发警告。
• 第三种写法和第一种逻辑一致，动态列名索引返回副本，inplace=True无效且触发警告。

内容的提问来源于stack exchange，提问作者Eric