使用正则表达式过滤DataFrame后，通过loc设置新列时出现SettingWithCopyWarning的原因排查

嘿，这个问题其实是pandas里非常常见的「视图vs副本」陷阱，我来给你一步步拆解清楚：

1. 正则过滤那一步埋下的隐患 #

你执行的正则过滤代码是：

scores = scores[scores['StudentId'].apply(lambda x: (regex.search(x) != None))]

这种布尔索引赋值的操作，pandas内部无法明确判断返回的结果是原DataFrame的视图（和原数据共享内存）还是副本（独立的新数据）。这时候变量scores指向的对象，本质上是一个"不确定身份"的切片——pandas没法保证它和原数据的关联关系。

2. 为什么后续加列会触发警告？ #

当你接着执行：

scores.loc[:, 'Average'] = scores[['Quiz1', 'Quiz2', 'Quiz3']].mean(axis=1).round(2)

虽然你用了.loc来赋值，但此时scores本身可能是一个副本而非原数据的视图。pandas会担心：你是不是误以为自己在修改原DataFrame，但实际上只是在修改一个副本？所以抛出警告提醒你这个潜在的操作风险。

3. 怎么解决这个警告？ #

有两种简单的方案：

• 方案一：用.loc完成过滤，明确操作原数据的切片
  把过滤操作改成用.loc来实现，这样pandas能明确识别你要的是原数据的可修改切片：

  scores = scores.loc[scores['StudentId'].apply(lambda x: regex.search(x) is not None), :]
  

• 方案二：显式创建副本
  如果你确实不需要保留原数据，只想操作过滤后的新数据，可以直接用.copy()显式生成副本，告诉pandas你就是要操作这个独立的数据集：

  scores = scores[scores['StudentId'].apply(lambda x: regex.search(x) is not None)].copy()
  

两种方法都能消除警告，具体选哪种取决于你是否需要保留原DataFrame的原始数据～

内容的提问来源于stack exchange，提问作者renakre