如何消除从数组设置DataFrame整列时的原地FutureWarning？

开发者阿泽

2026-8-16

解决pandas 1.5.0中iloc赋值的FutureWarning问题

在pandas 1.5.0中，使用iloc给不同dtype的数组赋值时会触发FutureWarning，提示未来版本将改为原地修改语义。如果仅需消除警告、不关心是否原地操作，可参考以下几种方案：

可行解决方案

1. 替换为官方推荐的赋值写法

这是最稳妥的方案，既消除警告，又符合pandas未来版本的语义规范：

当列名唯一时，直接通过列名赋值：

df = pd.DataFrame({'price': [11.1, 12.2]}, index=['book1', 'book2'])
original_prices = df['price']
new_prices = np.array([98, 99])
df['price'] = new_prices  # 替换df.iloc[:, 0] = new_prices

当列名不唯一时，使用isetitem方法按位置赋值：
```
df.isetitem(0, new_prices)
```

2. 显式匹配新值与原列的dtype

如果希望保留iloc的写法，可以将新值的dtype转换为和目标列一致，这样不会触发警告（此时会直接原地修改）：

df = pd.DataFrame({'price': [11.1, 12.2]}, index=['book1', 'book2'])
new_prices = np.array([98, 99], dtype=df['price'].dtype)  # 匹配原列dtype
df.iloc[:, 0] = new_prices

3. 针对性屏蔽该FutureWarning

如果只是临时需要消除警告，且不想修改代码逻辑，可以用warnings模块精准屏蔽该类警告（不建议全局屏蔽所有警告，避免遗漏其他重要提示）：

import warnings
import pandas as pd
import numpy as np

df = pd.DataFrame({'price': [11.1, 12.2]}, index=['book1', 'book2'])
new_prices = np.array([98, 99])

with warnings.catch_warnings():
    warnings.filterwarnings(
        "ignore",
        category=FutureWarning,
        message="In a future version, df.iloc[:, i] = newvals will attempt to set the values inplace"
    )
    df.iloc[:, 0] = new_prices