使用MultiIndex触发SettingWithCopyWarning，普通索引为何无此警告？

场景复现 #

普通索引场景（无警告） #

import numpy as np
import pandas as pd

df = pd.DataFrame(np.random.randn(20, 4),
                  index=pd.Index(range(20)),
                  columns=['one', 'two', 'three', 'four'])

d1 = df.loc[[2, 4, 6], :]
d2 = df.loc[[3, 5, 7], :]

idx = pd.Index(list('abc'), name='foo')
d1.index = idx
d2.index = idx

d1['one'] = d1['one'] - d2['two']

MultiIndex场景（触发SettingWithCopyWarning） #

import numpy as np
import pandas as pd

arrays = [
    np.array(["bar", "bar", "baz", "baz", "foo", "foo", "qux", "qux"]),
    np.array(["one", "two", "one", "two", "one", "two", "one", "two"]),
]
df = pd.DataFrame(np.random.randn(8, 4), index=arrays, columns=['one', 'two', 'three', 'four'])

d1 = df.loc[(['bar', 'qux', 'foo'], 'one'), :]
d2 = df.loc[(['bar', 'qux', 'foo'], 'two'), :]

idx = pd.Index(list('abc'), name='foo')
d1.index = idx
d2.index = idx

d1['one'] = d1['one'] - d2['two']

问题核心 #

两种场景均通过.loc生成子DataFrame，修改索引后仅操作子DataFrame，并未改动原DataFrame，但只有MultiIndex场景触发了SettingWithCopyWarning，两者的差异到底在哪里？

差异原因解析 #

根本区别在于**.loc返回的子DataFrame是原数据的视图还是副本**，这由pandas内部的索引处理逻辑决定：

• 普通索引离散选取：当用df.loc[[2,4,6], :]选取非连续行时，这些行在原数据内存中是分散的，无法直接生成视图，pandas会默认创建独立副本。后续修改索引和列值时，操作的都是这个副本，和原数据完全无关，因此不会触发警告。

• MultiIndex分层选取：使用df.loc[(['bar', 'qux', 'foo'], 'one'), :]这种方式选取时，pandas能通过分层索引的结构快速定位符合条件的行——尽管这些行在原数据中不连续，但分层索引的存储特性让pandas可以返回原数据的视图而非副本。后续修改索引后再赋值，pandas会检测到你在视图上进行修改，触发警告，因为它无法确定你是只想修改子DataFrame，还是不小心要改动原数据。

简单来说，普通索引的离散选取得不到视图，只能返回副本；而MultiIndex的分层选取在特定条件下能返回视图，这就是警告出现的关键。添加.copy()会强制生成副本，切断和原数据的关联，自然就不会触发警告了。

内容的提问来源于stack exchange，提问作者schtandard