如何解决Pandas中Setting an item of incompatible dtype的FutureWarning问题

阿华AIGC实验室

2026-4-21

嘿，我完全懂你遇到的这个困扰！这个FutureWarning其实是Pandas在提醒你：你正在把带ANSI颜色编码的字符串赋值给原本是数值类型（比如int64）的Series，两者数据类型不兼容，而这种隐式类型转换在未来的Pandas版本里会直接报错，不再只是警告。

直接用warnings.simplefilter忽略警告虽然能暂时解决眼前的提示，但并不是从根源上处理问题的方式。咱们可以通过显式转换数据类型来彻底消除这个警告，具体做法如下：

问题根源拆解

你的格式化函数（比如norm_formatter、spcl_formatter）返回的是带颜色的字符串（比如\x1b[97m0\x1b[0m这种带转义码的内容），但原DataFrame的列是整数类型。当你直接把字符串赋值给整数类型的Series时，Pandas就会抛出类型不兼容的警告。

具体解决方案

核心思路是：在对Series进行颜色格式化之前，先把它转换成字符串类型，这样后续赋值带颜色的字符串就不会有类型冲突了。下面是修改后的完整代码：

from termcolor import colored
import pandas as pd
import numpy as np

data = {'Col1': [0, 15, 10, 5, 20, 17, 20], 'Col2': [11, 6, -3, 16, 21, 8, 26], 'STKS': [20, 30, 40, 50, 60, 70, 80], 'Col4': [3, 8, -13, -18, 3, 23, 42], 'Col5': [4, 19, 8, 11, 6, 20, 32]}

df = pd.DataFrame(data)

ATM = 50

def hightlight(series, excluded, spcl_col, spcl_val, extra_col= [] ):

    def excl_formatter(series):
        # 直接把数值转成字符串后再上色
        return [colored(str(x), 'white') for x in series]

    def norm_formatter(series, extra=False):
        # 关键：先把Series转换成字符串类型，避免类型不兼容
        tmp = series.astype(str).sort_values()
        if extra:
            # 因为现在是字符串，需要转成float判断符号
            tmp.iloc[:-2] = tmp.iloc[:-2].map(lambda x: colored(x, *[('white' ,), ('green' ,),('light_red' ,),][np.sign(float(x))]))
        else:
            tmp.iloc[:-2] = tmp.iloc[:-2].map(lambda x: colored(x, 'white'))
        tmp.iloc[-2] = colored(tmp.iloc[-2], None, 'on_magenta')
        tmp.iloc[-1] = colored(tmp.iloc[-1], None, 'on_blue')
        return tmp

    def spcl_formatter(series):
        # 先转成字符串，再判断值（转成int对比）
        series_str = series.astype(str)
        return [colored(x, None, 'on_blue') if int(x) == spcl_val else colored(x, None,  'on_red') for x in series_str]

    if series.name == spcl_col:
        return spcl_formatter(series)
    if series.name in excluded:
        return excl_formatter(series)
    return norm_formatter(series, extra=series.name in extra_col)

col_to_exclude = ['STKS']

df_f1 = df.apply(hightlight, excluded=col_to_exclude, spcl_col='STKS',spcl_val=ATM, extra_col=['Col2', 'Col4']).rename(columns=lambda x: colored(x, 'white', None))

print(df_f1.to_string(index= False))