循环处理多个DataFrame时如何消除PerformanceWarning告警？

我需要为多个DataFrame重置索引，于是创建了容器列表并循环遍历每个DataFrame，但触发了PerformanceWarning。请问是否可以忽略该告警，或是有其他消除告警的方法？

代码示例：

df_list = [short_frml,mid_frml,long_frml]

for x in df_list:
    x.reset_index(inplace=True)

告警信息：

PerformanceWarning: DataFrame is highly fragmented. This is usually the result of calling frame.insert many times, which has poor performance. Consider joining all columns at once using pd.concat(axis=1) instead. To get a de-fragmented frame, use newframe = frame.copy()

告警处理方案 #

1. 是否可以忽略？ #

如果你的数据量不大，当前代码运行速度在可接受范围内，完全可以忽略这个告警。它只是性能提示，不会影响代码功能的正确性。

2. 消除告警的具体方法 #

方法一：复制DataFrame消除碎片化

按照告警提示，先对碎片化的DataFrame执行复制操作，再重置索引，从根源解决存储碎片化问题：

df_list = [short_frml, mid_frml, long_frml]

for i in range(len(df_list)):
    # drop=False保留原索引列，不需要的话可以设为True
    df_list[i] = df_list[i].copy().reset_index(drop=False)

这种方式避免了原地修改碎片化的DataFrame对象，同时整理了内部存储结构。

方法二：临时禁用该类告警

如果只是不想看到这个提示，可以通过设置临时屏蔽PerformanceWarning：

import pandas as pd
from warnings import filterwarnings

# 精准禁用PerformanceWarning
filterwarnings("ignore", category=pd.errors.PerformanceWarning)

# 执行重置索引操作
df_list = [short_frml,mid_frml,long_frml]
for x in df_list:
    x.reset_index(inplace=True)

注意：禁用后会错过其他同类型的性能提示，建议只在确认当前场景无问题时使用。

方法三：提前统一整理碎片化DataFrame

如果后续还要对这些DataFrame做大量操作，建议先统一复制整理所有对象，再进行后续处理：

# 先复制所有DataFrame，消除碎片化
df_list = [df.copy() for df in [short_frml, mid_frml, long_frml]]

# 再循环重置索引
for df in df_list:
    df.reset_index(inplace=True)

内容的提问来源于stack exchange，提问作者stvlam22