Python pandas跨列统计'Yes'响应次数触发SettingWithCopyWarning问题

问题场景 #

现有一个存储多列"Yes"/"No"响应值的DataFrame，需要新增一列，统计指定条件列中值为"Yes"的总次数。
执行计数代码时持续触发告警，使用的代码如下：

df2['Count'] = df2.iloc[:, 0:9].eq('Yes').sum(axis=1)

触发的告警信息：

<ipython-input-21-189874c017d3>:1: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

原因说明 #

你的计数逻辑本身没有任何问题，逐行匹配"Yes"再按行求和的写法完全能得到正确的统计结果。
这个告警是pandas的链式赋值提醒：你当前操作的df2本身是从其他DataFrame切片得到的非独立对象，pandas无法判定你这次给新列赋值的操作，是想要修改最原始的母DataFrame，还是仅修改当前切片出来的临时表，怕你逻辑写漏误改数据才弹出提示。

可选解决方案 #

选任意一种符合你使用场景的方法即可：

• 推荐方案：先将df2转为独立的DataFrame副本，切断和原始母表的关联，再执行原有计数逻辑，后续所有操作都不会再触发同类告警

  # 显式生成独立副本
  df2 = df2.copy()
  # 原有计数逻辑可正常运行
  df2['Count'] = df2.iloc[:, 0:9].eq('Yes').sum(axis=1)
  

• 无额外内存开销方案：按告警提示使用.loc明确指定赋值的列范围，明确告知pandas你就是要修改当前df2对象

  df2.loc[:, 'Count'] = df2.iloc[:, 0:9].eq('Yes').sum(axis=1)
  

• 临时屏蔽方案（不推荐）：如果确认自身逻辑无误，且不想调整原有代码，可以直接关闭pandas的链式赋值告警，但这种方式可能掩盖后续其他索引赋值的逻辑错误

  import pandas as pd
  pd.set_option('mode.chained_assignment', None)
  

执行后生成的Count列会逐行统计前9列中"Yes"值的出现次数，完全匹配预期的新增列效果。

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