SettingwithCopyWarning在pandas中的解决方案
我在用Pandas对数据集做处理的时候会容易被抛出SettingWithCopyWarning警告信息，我相信很多人都会对它视而不见。其实，SettingWithCopyWarning 警告不应该被忽略，因为出现该警告正说明你的代码执行的结果可能没有按预期运行，需要检查结果，这是Pandas的针对链式赋值（Chained Assignment）的保护机制导致的结果。。如果视而不见的话当代码量足够大的时候再去排查就更加困难了。
如下我先模拟一个数据集来说明如何解决这个问题，以DataFrame类型为数据集输出10行6列数据。
既然这篇文章要说明的是SettingWithCopyWarning的解决方案，那首先要知道SettingWithCopyWarning什么时候才会遇到，它是如何产生的。
在演示如何产生SettingWithCopyWarning警告前，我打算先说明一个知识点，那就是当对DataFrame数据进行操作的时候会出现浅拷贝（Shallow Copy）与深拷贝（Deep Copy）两种模式。下图描述了浅拷贝和深拷贝的区别，假设B复制了A，当修改B时，如果A也跟着变了，说明这是浅拷贝。如果A没变，那就是深拷贝。
说的简单点就是浅拷贝只是创建了对象的一个引用，而深拷贝则是创建了对象的一个独立的实体副本。
明白了深浅拷贝的区别后，来看如下例子，下图代码的意图是从数据中筛选出所有性别为男性的数据，后面会打算把这些数据设置为数字0。
注意，下面的代码打算把这些数据设置为数字0时因为使用多个中括号来索引操作，也就是显式链式赋值的方式。第一次是访问操作（get），返回一个 DataFrame列出了所有包含性别为男的数据，然后第二个是赋值操作（set）对gender列数据赋值为0，而这个赋值操作是在筛选出所有性别为男的这个新的 DataFrame 数据集上运行的，而压根没有在原始 DataFrame 数据集上运行。
这个时候pandas就分不清到底你是对数据做深拷贝还是浅拷贝操作，也就是修改的数据是本身还是独立的，更不知道最后得出来的结果是不是你想要的，简单理解，就是pandas无法对通过两个方括号选取的数据赋值。最后就产生模棱两可的状态于是就抛出了SettingWithCopyWarning警告。
可以看到，当赋值操作后再次输出data的数据后，发现gender数据里的男数据并没有被修改为0，说明pandas分不清到底你是对数据做深拷贝还是浅拷贝操作，代码执行的结果没有按预期运行。这也就是之前提到为什么遇到SettingWithCopyWarning警告时不能视而不见的原因了。
解决方案（一）
这个解决方案很简单：使用 loc 将链式操作组合到一个 方括号[ ] 操作中，这样用检索所条件作为loc的行列参数，将两次索引变成一次，以便 Pandas 可以确保 set 操作是在原始 DataFrame上执行。Pandas 会始终确保下面这样的非链式 set 操作起作用。其实这个方案也正是SettingWithCopyWarning里建议的操作方式。
解决方案（二）
另一种解决方案就是使用隐式赋值的方式。从原始数据中先提取自己想要的数据后并赋值保存给另一个变量，然后再对这个新变量对象进行操作。
可以从上面的结果看到，代码成功修改了数据值。但是依然出现了SettingWithCopyWarning警告信息，原因是通过隐式赋值变量的方式传递数据pandas不能保证修改的是本身数据。
所以，要解决这个警告信息的办法就是明确使用copy()方法，告诉它我创建的是一个独立副本。
这样就不会出现任何烦人的警告信息了。但是要注意这种办法并不是在原始的数据集上做修改，而是把需要修改的数据完全单独剥离了出来，所以最终输出的数据也仅仅是被筛选过的。
最后提一个中肯的建议，即使SettingWithCopyWarning警告只在 set 操作时才会发生，但在进行 get 操作时，最好也避免使用链式索引。不仅因为链式操作较慢，而且因为链式索引始终是一个潜在的问题，只要你稍后进行赋值操作，就可能不会影响到原始对象，这可能不是你的预期操作。所以，请不惜一切代价避免使用链式索引。