已使用pd.concat仍触发DataFrame高度碎片化警告的原因及解决方法

为避免"DataFrame is highly fragmented"警告，已采用pd.concat进行拼接，但在拼接后的DataFrame中添加新列时，部分场景仍会触发该警告，具体场景如下：

• 案例a：拼接一个空DataFrame与多个Series后添加新列，触发警告
• 案例b：仅拼接多个Series后添加新列，无警告
• 案例c：拼接多个DataFrame后添加新列，触发警告

复现代码 #

import pandas as pd
import sys

print(sys.version)  # 3.8.11
print('pandas version: ',pd.__version__)  # pandas version:  2.0.3

list_of_series = [pd.Series([1,2,3]) for i in range(200)]

a = pd.DataFrame()
a = pd.concat([a]+list_of_series,axis=1)
a['one_more_col'] = [4,5,6]  # concating one df with many series incurs warning

b = pd.concat(list_of_series,axis=1)
b['one_more_col'] = [4,5,6]  # concating series only. It's fine.

c = pd.concat([pd.DataFrame(x) for x in list_of_series],axis=1,)
c['one_more_col'] = [4,5,6]  # concating many dataframes incurs warning

疑问 #

1. 为何这三种场景会出现差异？
2. 若已有拼接后的DataFrame，添加新列应如何操作？是否需要再次使用pd.concat？

注：本问题与Stack Overflow某问题不同，该问题中pd.concat可避免警告，但本场景下拼接后添加列仍会触发案例a和c的警告。

解决方案 #

问题已解决：感谢@Timus和@jtobelem的解答，使用newframe = df.copy()可消除碎片化，推测df.assign()因内部调用copy也有效，虽仍疑惑案例c的触发原因，但这两种方法可解决问题。

内容的提问来源于stack exchange，提问作者user16865829