Pandas使用df.loc筛选后已删除行仍存在的技术求助

兄弟，这问题我踩过好多次！核心就是你看到的那个SettingWithCopyWarning——你手里的df根本不是独立的DataFrame，而是另一个数据的视图（view），不是副本（copy），这就导致操作出现“表面生效但底层没彻底切断关联”的诡异情况。

为啥会这样？ #

你看你操作的步骤：

1. 用fillna(inplace=True)原地填充Tobacco列的空值
2. 筛选出符合条件的行重新赋值给df

但如果df是从原数据（比如你导入后做过切片，比如df = raw_df[['A', 'Tobacco', 'B']]）来的视图，那inplace=True的操作其实是在修改视图背后的原数据，后续的筛选赋值并没有真正生成全新的DataFrame。结果就是：len(df)显示正确的7000行，但变量查看器（不管Spyder还是PyCharm）还能看到原数据的索引范围（到8000），不过这些“幽灵行”其实不参与后续计算——你说循环处理不受影响，就是因为Pandas内部还是认筛选后的7000行，只是索引没清理干净，查看器懵了。

怎么解决？ #

1. 先给df“独立身份”：生成副本

不管是导入CSV后，还是从原数据切片得到df，直接加.copy()生成独立副本，从根源切断和原数据的关联：

import pandas as pd

# 导入CSV时直接生成副本
df = pd.read_csv("你的数据文件.csv").copy()

# 要是从原数据切片来的df，也必须加.copy()
# df = raw_df[['需要的列1', 'Tobacco', '需要的列2']].copy()

2. 优化操作逻辑，别用inplace

把填充空值和筛选合并成一步，不用inplace=True，减少踩坑概率：

# 合并填充与筛选，直接得到新的df
df = df[df['Tobacco'].fillna('No involvement') == 'No involvement']

# 或者用更直观的query写法，自动处理空值
df = df.query("Tobacco == 'No involvement' or Tobacco.isna()")

3. 重置索引，清理“幽灵索引”

筛选完之后，重置索引让索引和实际行数完全对应，这样变量查看器就不会乱显示了：

df = df.reset_index(drop=True)

验证一下 #

按上面的步骤做完，再看len(df)肯定还是7000，打开变量窗口一看——索引从0到6999，之前那1000行彻底没了，完美解决！

内容的提问来源于stack exchange，提问作者Nhi Vo