astype()未按指定列转换类型，DataFrame遇意外类型变更及赋值错误

我先创建了一个仅包含索引的空DataFrame，后续逐步添加列。相关代码如下：

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt

start = int(100E6)
stop = int(1E9)
step = int(1E6)

sweep = [*range(start, stop+step, step)]

df = pd.DataFrame(index=sweep)

df[['Z0', 'eef']] = np.nan
for i in sweep:
    df.loc[i]['Z0'] = 50
    df.loc[i]['eef'] = 3

# 添加列'A'及对应数组
df[['A']] = 0
# df.A = df.A.astype(complex)

# for i in sweep:
#     df.loc[i]['A'] = 1j
df.loc[100000000]

正常运行结果 #

Z0     50.0
eef     3.0
A       0.0
Name: 100000000, dtype: float64

取消注释类型转换后的结果 #

取消注释df.A = df.A.astype(complex)这一行后，Z0和eef列也被转为复数类型，结果如下：

Z0     50.0+0.0j
eef     3.0+0.0j
A       0.0+0.0j
Name: 100000000, dtype: complex128

疑问 #

1. 为什么转换A列的类型会导致其他列也变成复数类型？
2. 后续操作这个DataFrame时还出现警告：A value is trying to be set on a copy of a slice from a DataFrame，这是什么原因？

1. 多列被转为复数的原因 #

核心问题出在你初始化和赋值列的方式：

• 你用df.loc[i]['Z0']这种链式索引赋值，本质上是先取切片再赋值，会触发pandas的视图/副本歧义，导致DataFrame内部状态不稳定；
• 后续执行df.A = df.A.astype(complex)时，由于之前的链式操作导致DataFrame的内存布局异常，pandas会隐式统一整个DataFrame的类型，把所有列都转为复数。

2. SettingWithCopyWarning的原因 #

这个警告就是链式索引导致的：df.loc[i]['Z0']会返回原DataFrame的一个副本而非视图，当你给副本赋值时，pandas无法确定你要修改的是原DataFrame还是副本，因此抛出警告，甚至可能出现赋值不生效的情况。

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt

start = int(100E6)
stop = int(1E9)
step = int(1E6)

sweep = [*range(start, stop+step, step)]

df = pd.DataFrame(index=sweep)

# 直接批量赋值，避免循环和链式索引
df['Z0'] = 50.0
df['eef'] = 3.0

# 添加A列并转换类型，用loc确保操作原DataFrame
df['A'] = 0.0
df.loc[:, 'A'] = df['A'].astype(complex)

# 如需给A列赋值复数，直接批量操作
# df['A'] = 1j

print(df.loc[100000000])

修正后的结果 #

此时只有A列是复数类型，其他列保持浮点类型：

Z0          50.0
eef          3.0
A       0.0+0.0j
Name: 100000000, dtype: object

内容的提问来源于stack exchange，提问作者clme