如何为DataFrame新增列且不触发SettingWithCopyWarning警告

哈哈，这个警告我太熟了！不少刚用pandas的朋友都会踩这个坑～咱们先搞清楚为啥会出现这个警告，再给你彻底解决它。

问题根源 #

你执行df = df[~df.isnull()]的时候，pandas并没有默认生成一个全新的独立DataFrame副本，而是可能返回了原DataFrame的视图——简单说就是这个新df和原数据共享内存空间。这时候你给它新增列df['b'] = False，pandas就会犯嘀咕：“你到底是想修改原数据的这个子集，还是想修改一个完全独立的新DataFrame？”为了避免你误操作原数据，就抛出了这个SettingWithCopyWarning。

两种靠谱的解决方法 #

方法1：显式创建副本（最稳妥） #

敲黑板！在筛选操作后面加上.copy()，明确告诉pandas：“我要一个全新的、独立的DataFrame！”这样后续的修改就和原数据彻底没关系了，警告自然消失：

# 精准筛选列a中不含NaN的行，并创建独立副本
df = df[~df['a'].isnull()].copy()
# 现在新增列完全没问题
df['b'] = False

（这里建议你指定df['a'].isnull()，而不是df.isnull()，后者会检查所有列的NaN，可能不是你想要的结果哦）

方法2：用.loc链式操作（pandas官方推荐） #

pandas更推荐用.loc来进行行选择和列操作，这种方式能明确你的操作对象，避免模糊的视图/副本问题：

# 先筛选非NaN行并创建副本，再新增列
df = df.loc[~df['a'].isnull(), :].copy()
df['b'] = False

# 或者一步到位：直接给符合条件的行新增列赋值（如果不需要保留原df的话）
df.loc[~df['a'].isnull(), 'b'] = False

第二种一步到位的方式，会直接在原DataFrame中给非NaN的行设置b=False，NaN行的b列会是NaN，如果你需要统一处理，可以后续再调整。

内容的提问来源于stack exchange，提问作者Marses