如何在Pandas中链式调用dropna()与to_datetime()并处理SettingWithCopyWarning

1. Pandas完全支持函数式链式调用 #

Pandas和R的|>语法逻辑一致，大部分返回DataFrame的方法都可以直接链式调用，核心是用返回新对象的方法（而非原地修改的inplace=True），再配合assign()处理列转换，就能实现流畅的链式操作。

举个直接解决你需求的示例：

import pandas as pd

# 模拟你的原始数据
raw_df = pd.DataFrame({
    'id': [1, 2, 3, 4],
    'dob': ['12.05.1992', '28.11.1987', None, '03.09.2000'],
    'email': ['alice@test.com', None, 'charlie@test.com', 'dave@test.com']
})

# 链式执行：删缺失值行 → 转换日期格式
cleaned_df = (
    raw_df
    .dropna()  # 删除任何含缺失值的行，默认axis=0
    .assign(
        # 用lambda引用链式中的当前DataFrame，转换日期格式
        dob=lambda df: pd.to_datetime(df['dob'], format='%d.%m.%Y').dt.strftime('%Y-%m-%d')
        # 如果你后续要做日期运算，建议保留datetime类型，去掉.strftime('%Y-%m-%d')
    )
)

用括号包裹链式代码是为了换行可读性，你也可以写成一行，但换行结构更清晰。

2. 数据清理的最佳实践 #

缺失值处理 #

• 精准控制删除范围：比如只删除dob列有缺失的行，用.dropna(subset=['dob'])，避免误删其他列有缺失但不影响的行。
• 拒绝inplace=True：原地修改会中断链式调用，还容易导致原数据意外被修改，排查问题更麻烦。

日期转换 #

• 必须指定format='%d.%m.%Y'：让Pandas直接按给定格式解析，比自动推断快得多，还能避免格式歧义（比如05.03不会被混淆成5月3日还是3月5日）。
• 优先保留datetime64类型：如果后续要做日期加减、提取年月等操作，不要转成字符串，直接用pd.to_datetime()返回的datetime类型即可，需要输出字符串格式时再转换。

赋值警告（SettingWithCopyWarning） #

这个警告的本质是：你可能在修改DataFrame的视图（而非独立副本），导致修改不生效或影响原数据。解决思路不是全靠copy()，而是：

• 新增/修改列用assign()：它会返回新的DataFrame，完全避免视图问题，完美适配链式调用。
• 修改子集用loc[]：如果必须修改原DataFrame的某部分，明确用.loc[行条件, 列名]操作，比如：

  # 正确修改原DataFrame的dob列
  raw_df.loc[raw_df['dob'].notna(), 'dob'] = pd.to_datetime(raw_df.loc[raw_df['dob'].notna(), 'dob'], format='%d.%m.%Y')
  

3. 要不要依赖.copy()解决所有警告？ #

绝对不要。.copy()是用来解决"需要独立副本"的问题，不是用来掩盖警告的。大部分警告可以通过规范操作（用assign()、loc[]）避免，只有以下场景才需要用copy()：

• 你需要同时保留原始数据和修改后的数据，两者互不影响。
• 你确定当前操作的是一个视图（比如从原DataFrame切片得到的子DataFrame），且必须修改这个子DataFrame。
  大数据集下不必要的copy()会大幅增加内存占用，拖慢程序。

内容的提问来源于stack exchange，提问作者Emman