为何使用iloc而非loc会触发SettingWithCopyWarning？

嘿，这个问题我之前也碰到过，咱们一步步拆解清楚～

首先先回忆下SettingWithCopyWarning的核心：它本质是pandas在提醒你——“我不确定你现在修改的是原DataFrame的视图，还是一个临时副本，你的操作可能不会达到预期效果哦”。

接下来看.loc和.iloc的关键差异：

• 当你用housing.loc[train_index]时，train_index是StratifiedShuffleSplit返回的原DataFrame的行标签索引，pandas能明确识别出这个操作返回的是原数据的切片视图（和原数据共享底层数据）。所以当你后续对strat_train_set执行drop(..., inplace=True)时，pandas知道你是在修改这个视图对应的原数据子集，不会触发警告。
• 而换成housing.iloc[train_index]时，train_index在这里是位置索引（哪怕数值和行标签一样，iloc只认位置）。当用iloc选取非连续的行时，pandas会默认创建一个数据副本（因为非连续切片无法高效地作为视图存在）。这时候你对这个副本执行inplace=True的修改操作，pandas就会抛出警告——它担心你误以为自己在修改原数据，但实际上你只是在修改一个临时副本而已。

怎么解决iloc的警告？ #

如果就是想用iloc，很简单：显式地创建副本就好，这样pandas就明确知道你要修改的是副本，不会再警告：

strat_train_set = housing.iloc[train_index].copy()
strat_test_set = housing.iloc[test_index].copy()

总结一下：.loc和.iloc返回的对象类型（视图/副本）不同，导致pandas对后续inplace操作的判断不一样，这就是警告出现的原因啦～

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