DataFrame设置列值触发SettingWithCopyWarning的解决办法

问题场景 #

这段用于对DataFrame列做标签编码的代码功能正常，但每次运行都会弹出SettingWithCopyWarning警告，即使改用.loc[:, 'label']赋值也无法消除：

原始编码代码：

from sklearn import preprocessing

def labelencoder(dataframe) : 
  label_encoder = preprocessing.LabelEncoder() 
  dataframe= label_encoder.fit_transform(dataframe)
  
  return dataframe

new_df['label'] = labelencoder(new_df['label'])

触发的警告：

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

new_df['label'] = labelencoder(new_df['label'])

改用.loc后警告依然存在：

new_df.loc[:, 'label'] = labelencoder(new_df['label'])

根本原因 #

警告的核心问题不是赋值方式，而是new_df本身可能是从另一个DataFrame切片得到的副本，而非独立的DataFrame对象。Pandas无法确定你是想修改原始DataFrame还是副本，因此抛出警告。

解决方案 #

方案1：创建new_df时显式复制（推荐） #

如果new_df是通过切片其他DataFrame得到的，在创建时加上.copy()，让它成为独立对象：

# 示例：假设之前创建new_df的代码是这样，添加.copy()
new_df = original_df[['label', 'col1', 'col2']].copy()

# 之后再执行编码操作
from sklearn import preprocessing

def labelencoder(data_series) : 
    label_encoder = preprocessing.LabelEncoder() 
    return label_encoder.fit_transform(data_series)

new_df['label'] = labelencoder(new_df['label'])

方案2：将new_df转换为独立DataFrame #

如果无法修改创建逻辑，可以在赋值前把new_df转为独立DataFrame：

import pandas as pd
new_df = pd.DataFrame(new_df)

# 再执行编码赋值
new_df['label'] = labelencoder(new_df['label'])

方案3：临时关闭警告（不推荐，仅应急） #

如果确认操作安全，不想看到警告，可以临时关闭Pandas的该警告开关：

import pandas as pd
pd.options.mode.chained_assignment = None  # 关闭SettingWithCopyWarning

# 之后执行你的编码代码
from sklearn import preprocessing

def labelencoder(data_series) : 
    label_encoder = preprocessing.LabelEncoder() 
    return label_encoder.fit_transform(data_series)

new_df['label'] = labelencoder(new_df['label'])

内容的提问来源于stack exchange，提问作者UserBen