执行Pandas链式操作并在Notebook显示时触发SettingWithCopyWarning的原因与解决

当你在CELL1末尾保留df让Jupyter显示DataFrame时，Jupyter会调用DataFrame的__repr__方法生成可视化输出。这个过程里，pandas内部会执行遍历、统计类的渲染操作，这些操作会修改DataFrame对象内部的引用追踪标记——原本df = df.drop_duplicates()返回的是独立副本，但渲染操作会让pandas误以为这个对象后续可能和原数据存在视图关联。

到CELL2执行df = df[df["a"].isin(["b"])]时，pandas的内部检查会因为之前的渲染标记，把新的df判定为可能是原数据的视图而非独立副本。于是在CELL3直接修改df["date"]列时，就触发了SettingWithCopyWarning，提示你可能在修改视图而非目标数据的风险。

而去掉CELL1末尾的df后，没有触发渲染操作，pandas的引用追踪标记未被干扰，能正确识别后续的df是独立副本，因此不会弹出警告。

解决这类问题的核心是明确创建副本，不让pandas在视图/副本的判断上产生歧义，具体有两种常用方式：

方法1：关键步骤显式调用.copy() #

在生成新的DataFrame子集时，主动加上.copy()确保得到独立副本：

# CELL1 修改后
print(df.duplicated().sum())
df = df.drop_duplicates().copy()  # 显式创建副本
df  # 现在显示也不会干扰引用追踪

# CELL2 修改后
print(df["a"].value_counts())
df = df[df["a"].isin(["b"])].copy()

方法2：用.loc进行链式操作（更符合pandas规范） #

如果习惯链式操作，可通过.loc明确操作原数据的副本，避免视图歧义：

# CELL2 替换为.loc写法
df = df.loc[df["a"].isin(["b"])].copy()

另外，若你确定自己修改的就是目标数据，也可临时关闭警告，但不推荐（会掩盖真正的视图/副本风险）：

pd.options.mode.chained_assignment = None  # 不建议长期使用

内容的提问来源于stack exchange，提问作者FluidMechanics Potential Flows