Pandas中使用.loc仍无法消除SettingWithCopyWarning警告怎么办？

这段代码：

import pandas as pd
cars = pd.read_csv('car_sales.csv')
cars_new = cars.dropna()
for item in ['mileage', 'engine', 'max_power']:
  cars_new[item] = cars_new[item].apply(lambda text: float(text.split()[0]))

触发了SettingWithCopyWarning，哪怕改成cars_new.loc[:,item]也没用，问题出在**cars.dropna()返回的是原DataFrame的视图，而非独立副本**。Pandas无法确定你是想修改原数据还是副本，所以抛出警告。

解决方法： #

• 显式创建副本：在dropna()后加上.copy()，让cars_new成为完全独立的DataFrame，后续修改就不会触发警告。修改后的代码如下：

import pandas as pd
cars = pd.read_csv('car_sales.csv')
# 显式创建副本
cars_new = cars.dropna().copy()
for item in ['mileage', 'engine', 'max_power']:
  cars_new[item] = cars_new[item].apply(lambda text: float(text.split()[0]))

• 如果你想用.loc确保操作安全，也可以结合副本使用，不过只要创建了独立副本，直接赋值也不会触发警告。

原理：当你对DataFrame做切片、过滤（比如dropna）时，Pandas默认可能返回视图（共享原数据内存），显式调用.copy()会生成新的内存块，让cars_new和原cars完全分离，Pandas就不会再警告你修改的是切片副本了。

内容的提问来源于stack exchange，提问作者user21222252