StandardScaler缩放DataFrame非类别列触发SettingWithCopyError的解决方案

这次触发的SettingWithCopyError和缩放逻辑本身无关，纯粹是pandas新版本的安全校验升级导致的：之前从原df拆分特征、按时间切分训练/测试集时，拿到的临时对象本质是原DataFrame的视图切片，不是独立存储的副本，直接在这个临时对象上做列赋值，就会被pandas判定为“可能意外修改原数据”，触发报错。很多人容易忽略的点是，pandas默认对连续行的时间切片生成的是视图而非独立副本，只要后续做赋值操作就会触发校验。

• 先做列类型分组，从源头缩小操作范围
  用pandas内置类型选择接口筛选列，不要硬编码列名：
  cat_cols = df.select_dtypes(include=["category"]).columns.tolist()
num_cols = df.select_dtypes(exclude=["category"]).columns.difference(["col2"]).tolist()
  这里把作为预测目标的col2从待缩放列里排除，避免误把因变量混进特征做处理。
• 按时间占比拆分训练、测试集，拆分时主动生成独立副本
  因为df是按日期排序的索引，直接按总长度的85%位置做切分，切分后立刻做深拷贝，彻底切断临时切片和原df的视图关联：
  split_pos = int(len(df) * 0.85)
train_df = df.iloc[:split_pos].copy(deep=True)
test_df = df.iloc[split_pos:].copy(deep=True)
• 拆分独立的特征矩阵X和因变量y
  直接从已经做了深拷贝的train_df、test_df里拆列，拿到的X、y都是独立存储的对象：
  X_train = train_df.drop(columns=["col2"])
y_train = train_df["col2"]
X_test = test_df.drop(columns=["col2"])
y_test = test_df["col2"]
• 执行标准化缩放，严格用.loc索引器做列赋值
  初始化StandardScaler，不要省略索引层级直接赋值，避免触发链式索引的校验：

  from sklearn.preprocessing import StandardScaler
  scaler = StandardScaler()
  # 训练集数值列拟合并完成缩放
  X_train.loc[:, num_cols] = scaler.fit_transform(X_train[num_cols])
  # 测试集直接复用训练集的统计参数做转换
  X_test.loc[:, num_cols] = scaler.transform(X_test[num_cols])
  

• 所有category类型的列全程没有被纳入缩放范围，原始值完全保留
• 输出的X_train、X_test都是标准DataFrame结构，没有被转成numpy数组，日期索引、列名和切分完成时完全一致
• 整个流程不会再触发SettingWithCopyError，也不会意外修改原df的任何数据
• 严格遵守时间序列的划分规则，没有泄露测试集的统计信息

内容的提问来源于stack exchange，提问作者Vega