Pandas 2.2.1中fillna填充布尔值触发警告，如何规范处理？

针对你遇到的警告，有几种符合新版Pandas规范的调整方式，推荐优先使用更简洁高效的方案：

方案1：直接用isin生成标记列（最推荐） #

跳过合并后填充NaN的步骤，直接通过isin判断主数据的name是否在排除项列表中，直接生成布尔类型的excluded列，完全避免类型转换问题：

import pandas as pd
MainData = {'name':  ['apple', 'pear', 'orange', 'watermelon'],
            'other': ['blah' , 'blah', 'blah'  , 'blah']}
dfMainData = pd.DataFrame(MainData)
Exclusions = {'name':   ['pear'      , 'watermelon'],
              'reason': ['pears suck', 'too messy!']}
dfExclusions = pd.DataFrame(Exclusions)

# 直接生成excluded布尔列
dfMainData['excluded'] = dfMainData['name'].isin(dfExclusions['name'])
# 如需保留reason列，单独合并该列
dfMainData = dfMainData.merge(dfExclusions[['name', 'reason']], how='left', on='name')

方案2：按照警告提示使用infer_objects #

如果坚持原有合并逻辑，在fillna后调用infer_objects(copy=False)显式转换类型，消除警告：

import pandas as pd
MainData = {'name':  ['apple', 'pear', 'orange', 'watermelon'],
            'other': ['blah' , 'blah', 'blah'  , 'blah']}
dfMainData = pd.DataFrame(MainData)
Exclusions = {'name':   ['pear'      , 'watermelon'],
              'reason': ['pears suck', 'too messy!']}
dfExclusions = pd.DataFrame(Exclusions)
dfExclusions['excluded'] = True

dfMainData = pd.merge(dfMainData, dfExclusions, how='left', on='name')
# 显式转换类型，替代隐式向下转换
dfMainData['excluded'] = dfMainData['excluded'].fillna(False).infer_objects(copy=False)

方案3：提前指定数据类型 #

在创建excluded列时就指定布尔类型，合并后填充False时避免类型歧义：

import pandas as pd
MainData = {'name':  ['apple', 'pear', 'orange', 'watermelon'],
            'other': ['blah' , 'blah', 'blah'  , 'blah']}
dfMainData = pd.DataFrame(MainData)
Exclusions = {'name':   ['pear'      , 'watermelon'],
              'reason': ['pears suck', 'too messy!']}
dfExclusions = pd.DataFrame(Exclusions)
# 显式指定excluded为布尔类型
dfExclusions['excluded'] = pd.Series([True]*len(dfExclusions), dtype='bool')

dfMainData = pd.merge(dfMainData, dfExclusions, how='left', on='name')
# 填充False，此时列类型为boolean，不会触发警告
dfMainData['excluded'] = dfMainData['excluded'].fillna(False)

说明 #

方案1不仅消除了警告，还简化了逻辑，执行效率更高；方案2和3则是在原有逻辑基础上调整，适配新版Pandas的类型转换规则。

内容的提问来源于stack exchange，提问作者user3246693