如何修正Pandas代码以避免触发SettingWithCopyWarning警告？

问题场景 #

我在学习数据分析教程时，用到了作者编写的一个将对象类型列转为分类类型的函数：

def to_category(df):
    cols = df.select_dtypes(include='object').columns
    for col in cols:
        ratio = len(df[col].value_counts()) / len(df)
        if ratio < 0.05:
            df[col] = df[col].astype('category')
    return df

运行后触发了SettingWithCopyWarning警告：

Warning (from warnings module):
  File "D:/I7_Education/pandas_pipe_function1/pipes3.py", line 51
    df[col] = df[col].astype('category')
SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

我尝试过复制DataFrame（外部复制或函数内复制），但警告依然存在，希望从代码根源解决问题，而非屏蔽警告。使用环境为Python 3.10 + IDLE。

问题根源 #

这个警告的核心是Pandas无法确定你操作的是原始DataFrame的视图还是副本。即使复制了DataFrame，如果复制方式不当，或者传入函数的DataFrame本身就是某切片的视图，都会触发警告。

修正方案 #

方案1：函数内创建深拷贝并使用.loc赋值 #

确保函数内操作独立的副本，同时用.loc明确索引消除赋值歧义：

def to_category(df):
    # 创建深拷贝，确保操作对象完全独立
    df_copy = df.copy(deep=True)
    cols = df_copy.select_dtypes(include='object').columns
    for col in cols:
        ratio = len(df_copy[col].value_counts()) / len(df_copy)
        if ratio < 0.05:
            # 用.loc明确指定行和列，避免链式赋值问题
            df_copy.loc[:, col] = df_copy[col].astype('category')
    return df_copy

调用时直接接收返回的新DataFrame：

# 假设原数据为marketing_df
marketing_clean = to_category(marketing_df)

方案2：使用assign方法（适配pipe链式调用风格） #

如果是配合pipe方法使用，可改用assign实现无副作用的列转换，返回新DataFrame：

def to_category(df):
    cols_to_convert = []
    for col in df.select_dtypes(include='object').columns:
        ratio = len(df[col].value_counts()) / len(df)
        if ratio < 0.05:
            cols_to_convert.append(col)
    # 批量转换列并返回新DataFrame
    return df.assign(**{col: df[col].astype('category') for col in cols_to_convert})

额外注意事项 #

如果传入函数的DataFrame本身是切片结果（比如df = original_df[col_list]），创建时就要用深拷贝：

# 不要直接用切片，改用copy生成独立对象
marketing_df = original_df[col_list].copy(deep=True)

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