如何在函数中避免SettingWithCopyWarning警告？

警告原因 #

这个警告说明你正在修改的是原DataFrame切片生成的副本，而非原DataFrame本身，直接赋值可能导致后续数据操作出现不一致的问题。

修改方案 #

方案1：创建DataFrame副本后操作（推荐） #

通过copy()生成独立的DataFrame副本，所有赋值操作在副本上进行，既避免警告，也不会意外修改原数据：

import numpy as np

class SomeClass:
    def reduce(self, x):
        if x < 1:
            return x ** 2
        return np.sqrt(x)    

    def penalize_performance(self, df):
        # 创建传入DataFrame的副本
        df_copy = df.copy()
        df_copy['sqrt'] = df_copy.apply(lambda x : self.reduce(x.perf), axis=1)
        return df_copy

方案2：使用.loc明确指定列赋值 #

如果你需要直接修改传入的DataFrame，可以用.loc[:, 列名]的方式明确赋值，让pandas识别你是要修改原对象的列：

import numpy as np

class SomeClass:
    def reduce(self, x):
        if x < 1:
            return x ** 2
        return np.sqrt(x)    

    def penalize_performance(self, df):
        # 用.loc明确指定整列赋值
        df.loc[:, 'sqrt'] = df.apply(lambda x : self.reduce(x.perf), axis=1)
        return df

注意：如果传入的df本身是原DataFrame的切片副本，这个方法可能仍无法彻底消除警告，所以优先推荐方案1。

方案3：用向量化操作替代apply（高效优化） #

apply是逐行操作，效率较低，用numpy的where实现向量化逻辑，既解决警告问题，又大幅提升处理速度：

import numpy as np

class SomeClass:
    def penalize_performance(self, df):
        df_copy = df.copy()
        # 向量化判断赋值，替代逐行apply
        df_copy['sqrt'] = np.where(df_copy['perf'] < 1,
                                  df_copy['perf'] ** 2,
                                  np.sqrt(df_copy['perf']))
        return df_copy

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