为何使用.loc仍触发pandas的SettingWithCopyWarning？

问题根源 #

你写的sub_df = df.loc[df.A > 1]这一步，虽然用了.loc，但返回的sub_df可能是原DataFrame的视图（而非独立副本）。pandas无法明确判定这个切片到底是视图还是副本，当你后续通过sub_df.loc[:, 'C']修改列时，它会触发警告——因为担心你是在无意中修改原数据的视图，而非独立的子数据集。

解决方法 #

方法1：显式创建副本

在赋值sub_df时加上.copy()，直接生成独立的DataFrame，彻底切断和原数据的关联：

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
sub_df = df.loc[df.A > 1].copy()  # 显式创建副本
sub_df.loc[:, 'C'] = sub_df.A + sub_df.B

方法2：直接在原DataFrame上链式修改

跳过中间变量sub_df，直接在原DataFrame上完成列的赋值操作：

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df.loc[df.A > 1, 'C'] = df.loc[df.A > 1, 'A'] + df.loc[df.A > 1, 'B']

补充说明 #

pandas的切片返回视图还是副本，取决于底层数据的存储布局和切片逻辑，有时候即使使用.loc也无法确保返回独立副本。显式调用.copy()是最稳妥的消除这类警告的方式，能明确告诉pandas你要操作的是一个全新的数据集。

内容的提问来源于stack exchange，提问作者Jiexing Wu