使用pandas的to_datetime时如何规避SettingWithCopyWarning告警
核心触发原因
这个SettingWithCopyWarning在pandas1.0.1版本中检测逻辑较为严格,它的触发和你写的新增列赋值代码本身的写法没有本质关系。
告警触发的根源是:你在赋值操作中用到的data对象,本身就是从更上层的原始DataFrame中通过切片、行筛选、列选择等操作派生出来的半独立视图/临时副本——pandas无法确定你是希望修改原始全量DataFrame,还是只想修改当前派生的子集,因此主动抛出提示。
很多人误以为用.loc赋值就能解决这个警告,本质是混淆了.loc的生效场景:.loc的合规性校验是针对独立存储的全量DataFrame的,当你把.loc挂在切片派生的data对象上时,pandas依然能检测到这个对象和上层原始数据的视图关联,因此警告不会消失。
彻底规避的可操作方案
- 拿到派生的子集后,第一时间执行显式深拷贝,将切片对象转为完全独立的DataFrame,这是最根治的处理方式。
只需要在你之前生成data的步骤后,追加一行独立拷贝的代码即可。举个常见的代码场景:
完成拷贝后,不管是用# 你之前通过切片/筛选得到data的代码(示例) data = raw_df[raw_df["record_type"] == "valid"] # 追加这行:把切片转为独立内存的副本 data = data.copy()data["Datetime"] = pd.to_datetime(data["Date"], infer_datetime_format=True),还是写data.loc[:, "Datetime"] = pd.to_datetime(data["Date"], infer_datetime_format=True),都不会再触发警告——此时data已经和上层的原始DataFrame没有内存视图关联,不存在修改目标的歧义。 - 临时屏蔽告警的兜底方案(不推荐日常长期使用)
如果你明确知道自己的操作逻辑没有数据修改歧义,只是被旧版本pandas的误告警打扰,可以在代码开头调整pandas的告警配置,关闭这个提示:
注意这个方法只是屏蔽告警提示,并没有解决视图和副本的内存关联问题,仅适合临时跑一次性脚本时使用。import pandas as pd pd.options.mode.chained_assignment = None
内容的提问来源于stack exchange,提问作者I-love-python
相关产品推荐
相关产品推荐

