使用iloc和loc赋值结果不同，如何消除SettingToCopyWarning并保留iloc功能？

问题根源 #

• df.iloc[idx]['labels']触发警告：因为iloc[idx]返回的是原DataFrame的视图，直接修改视图会让pandas无法确认你是否要修改原数据，因此抛出SettingWithCopyWarning。
• 改用loc[idx, 'labels']后行数增加：你的DataFrame索引并非连续的0起始整数（比如存在重复索引、非整数索引），loc是按标签匹配，当idx这个标签不存在时，pandas会自动新增一行，导致行数从16280变成16751。

直接解决方案 #

使用iloc的位置赋值语法，同时指定列的位置，直接修改原DataFrame，既消除警告又不会新增行：

方案1：循环内直接获取列位置

for idx, row in enumerate(df.to_dict('records')):
    instances = row['instances']
    labels = row['labels'].split('|')

    for instance in instances:
        if instance not in relevant_labels:
            labels = ['O' if instance in l else l for l in labels]

    # 修改为iloc的位置赋值
    df.iloc[idx, df.columns.get_loc('labels')] = '|'.join(labels)

方案2：提前获取列位置（更高效）

# 循环外预先获取labels列的位置索引
labels_col_idx = df.columns.get_loc('labels')

for idx, row in enumerate(df.to_dict('records')):
    instances = row['instances']
    labels = row['labels'].split('|')

    for instance in instances:
        if instance not in relevant_labels:
            labels = ['O' if instance in l else l for l in labels]

    df.iloc[idx, labels_col_idx] = '|'.join(labels)

优化建议（更高效的写法） #

遍历16k行的循环效率较低，推荐用apply方法替代，代码更简洁且无警告：

def process_single_row(row):
    instances = row['instances']
    labels = row['labels'].split('|')
    for instance in instances:
        if instance not in relevant_labels:
            labels = ['O' if instance in l else l for l in labels]
    return '|'.join(labels)

df['labels'] = df.apply(process_single_row, axis=1)

内容的提问来源于stack exchange，提问作者Sean