Pandas未用整数键却触发Series.__getitem__弃用警告的原因与解决

尝试用均值替换Pandas DataFrame中指定列的值时触发了警告，代码及警告信息如下：

代码示例 #

import pandas as pd
df = pd.DataFrame({"L1_x": [0, 1, 2], 
                   "L1_y": [5, 6, 7], 
                   "other": [11, 12, 3]})
points = ["L1_x", "L1_y"]

# 用这些列的均值替换L1_x和L1_y的值
df[points] = df[points].mean()

触发的警告 #

:1: FutureWarning: Series.__getitem__ treating keys as positions is deprecated. In a future version, integer keys will always be treated as labels (consistent with DataFrame behavior). To access a value by position, use ser.iloc[pos]
df[points] = df[points].mean()

警告原因 #

这个警告源于Pandas内部的索引处理逻辑：当你将df[points].mean()返回的Series赋值给df[points]时，Pandas底层会尝试将Series的索引（即列名L1_x、L1_y）与DataFrame的列对齐。旧版本中，Series的__getitem__方法允许把整数键当作位置索引处理，但未来版本会统一成和DataFrame一致的规则——整数键始终视为标签。虽然你没有直接使用整数键，但赋值操作的内部流程触发了这个即将被废弃的位置访问逻辑，因此抛出警告。

修复方案 #

方案1：提取均值数组直接赋值 #

跳过Series的索引对齐逻辑，直接用数值数组赋值：

df[points] = df[points].mean().values

方案2：用to_numpy()获取数组（官方推荐） #

to_numpy()是Pandas官方推荐的获取底层数组的方法，语义更清晰：

df[points] = df[points].mean().to_numpy()

方案3：构造匹配形状的DataFrame赋值 #

显式生成与原数据行列数匹配的均值DataFrame，明确列对齐：

mean_vals = df[points].mean()
df[points] = pd.DataFrame([mean_vals]*len(df), columns=points)

内容的提问来源于stack exchange，提问作者wl2776