在使用pandas對DataFrame進行賦值操作時，會出現一個看似莫名巧妙的告警信息：
SettingWithCopyWarning：A value is trying to be set on a copy of slice from a DataFrame
Try using .loc[row_indexer,col_indexer] = value instead
這條告警信息的大意是，“嘗試在DataFrame一個切片的副本上進行賦值，使用 .loc[row_indexer,col_indexer] = value 代替當前賦值操作”。導致這條告警產生的原因，是由於pandas無法判斷對原始DataFrame進行切片，產生的是視圖還是副本。如果切片產生的是視圖，則賦值操作會修改原始DataFrame，如果產生的是副本，則不會修改原始的DataFrame。
一般產生這條告警，都是由於使用鏈式索引（chained indexing）賦值導致的；而使用 .loc[row_indexer,col_indexer] 則會產生一個新的DataFrame，在某些情況下，可以解決該告警問題（ps：導致 SettingWithCopyWarning 告警產生的情況不止一種！）。如果你選擇忽視這條告警，那么你最好查看一下自己的賦值操作有沒有成功（雖然本人實際運用中查看了多次，都是成功的，但不代表每一次都能成功，所以建議還是不要忽視這條告警）。
# 下面的操作就會出現SettingWithCopyWarning警告 df_select = df[df['col_name]>value] # 通過條件篩選，得到df_select # 假設此時我們想修改df_select列 'col'的值： df_select['col'] = new_value # 此時就會出現SettingWithCopyWarning，因為df_select 發生改變，pandas無法判斷原始df究竟會不會改變 # 實際上上述過程就用了鏈式索引進行賦值，上述過程等價於: df[df['col_name]>value]['col'] = new_value # 解決這個問題比較好的一個方法是手動進行復制： df_select = df[df['col_name]>value].copy() # 這樣df_select是df的一個復本，df_select的改變也不會影響df
總而言之，應該竟可能的避免使用鏈式索引對 DataFrame 進行賦值操作。更多產生告警的原因及解決方法的詳解，可以參考pandas官方文檔中的 "Indexing and Selecting Data"模塊下的"Returning a view versus a copy" http://pandas.pydata.org/pandas-docs/stable/indexing.html#returning-a-view-versus-a-copy。也可參考我看到一篇寫的很好的文章：https://www.dataquest.io/blog/settingwithcopywarning/（英文原文），https://www.jianshu.com/p/72274ccb647a（中文翻譯版）。