在運行以下Python代碼時，Pandas拋出SettingWithCopyWarning警告：
row_data = df_pred.loc[key] row_data['col'] = new_value
df_pred是一個數據框，根據索引從數據框中獲取一行，然后對該行的一個字段進行賦值，警告的詳細內容如下：
SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead
該警告的意思是：在DataFrame的一個切片上的copy上進行賦值操作。出現警告是因為該賦值操作可能不會影響到原始的數據框。
從代碼上來理解：row_data 是原始數據框的一個切片（df_loc[key]），該切片可能是原始數據框的一個視圖（View），也可能是原始數據框的一個副本（Copy）。如果row_data是原始數據框的一個視圖，對row_data進行數據修改不會影響到df_pred。建議使用df_pred.loc[row_indx,col_index] 方式，該方式肯定修改原始數據框。
一，深拷貝和淺拷貝
在使用DataFrame修改數據時，要知道深拷貝和淺拷貝的區別。圖例描述了淺拷貝和深拷貝的區別，假設B復制了A，當修改B時，如果A也跟着變了，說明這是淺拷貝；如果A沒變，那就是深拷貝。
也就是說，淺拷貝是創建了對象的一個引用，而深拷貝是創建了對象的一個獨立的實體。
二，數據的視圖和副本
在pandas中，淺拷貝也稱作數據的視圖（View），深拷貝也稱作數據的副本（Copy），Pandas 中的某些操作可以返回數據的視圖（View），而某些其他操作將返回數據的副本（Copy）。
SettingWithCopyWarning 警告暗示：賦值操作可能沒有按照預期執行，你應該檢查結果以確保結果沒有出錯。
如果你的代碼執行的結果符合預期，那么你可以忽略警告，但這並不是良好的編碼實踐，SettingWithCopyWarning 警告不應該被忽略。在采取下一步行動之前，花點時間了解以下為什么Pandas會拋出這一警告。
三，警告出現的原因
直接拋出結論，警告出現的原因只有一個：
出現警告的原因是鏈式賦值
當 Pandas 檢測到鏈式賦值（Chained assignment）時會生成警告，鏈式賦值是指通過使用鏈式索引來賦值。鏈式索引（Chaining）是指連續使用多個索引，例如data[1:5][1:3]。
使用鏈式索引賦值的兩種方式：
- 第一種是顯式的，索引是連續的，例如，data.iloc[1][3] = value
- 第二種是隱式的，例如，先定義 df = data.iloc[1]，再使用 df[3] = value 也屬於鏈式賦值
鏈式賦值可以在一行中進行，也可以跨越多行，只要Pandas檢測到鏈式賦值，Python就會拋出SettingWithCopyWarning警告。
1，顯式的鏈式賦值
舉個例子，使用鏈式索引對bidder列進行賦值：
data[data.bidder == 'parakeet2004']['bidderrate'] = 100
生成警告是因為我們把兩個索引操作鏈接在一起，代碼中直接使用了兩次中括號，所以這種格式比較容易理解。但如果我們使用其他訪問方法，例如 .bidderrate、.loc[]、.iloc[]、.ix[]，也是如此，我們的鏈式操作一個接一個獨立執行：
data[data.bidder == 'parakeet2004'] ['bidderrate'] = 100
第一次是訪問操作（get），返回一個 DataFrame，其包含所有 bidder 等於 'parakeet2004' 的行。第二個是賦值操作（set），是在這個新的 DataFrame 上運行的，我們壓根沒有在原始 DataFrame 上運行。
這個解決方案很簡單：使用 loc 將鏈式操作組合到一個操作中，以便 Pandas 可以確保 set 操作是在原始 DataFrame上執行。Pandas 會始終確保下面這樣的非鏈式 set 操作起作用。
data.loc[data.bidder == 'parakeet2004', 'bidderrate'] = 100
2，隱式的鏈式賦值
舉個例子，使用原始數據框的一個變量，對變量賦值，這是隱式的鏈式賦值：
winners = data.loc[data.bid == data.price] winners.loc[304, 'bidder'] = 'therealname'
隱式的鏈式索引可能跨越多行代碼發生，也可能在一行代碼內發生。因為 winners 是作為 get 操作的輸出創建的（data.loc[data.bid == data.price]），它可能是原始 DataFrame 的副本，也可能不是，但除非我們檢查，否則我們不能確認。當我們對 winners 進行索引時，我們實際上使用的是鏈式索引。這意味着當我們嘗試修改 winners 時，我們可能也修改了 data。
在實際的代碼中，這些行可能會跨越很大的距離，因此追蹤問題可能會更困難，但情況是與示例類似的。
為了防止這種情況下的警告，解決方案是在創建新 DataFrame 時明確告知 Pandas 這是創建的一個副本，對副本的修改不會影響到原始對象：
winners = data.loc[data.bid == data.price].copy() winners.loc[304, 'bidder'] = 'therealname'
敲門就是，學會識別鏈式索引，不惜一切代價避免使用鏈式索引。如果要更改原始數據，請使用單一索引賦值操作。如果你想要一個副本，請確保顯式調用copy()函數強制讓 Pandas 創建副本。
提一個中肯的建議，即使SettingWithCopyWarning警告只在set 時才會發生，但在進行 get 操作時，最好也避免使用鏈式索引。不僅因為鏈式操作較慢，而且因為鏈式索引始終是一個潛在的問題，只要你稍后進行賦值操作，就可能不會影響到原始對象，這可能不是你的預期操作，所以，請不惜一切代價避免使用鏈式索引。
參考文檔：