我喜欢panda，并且已经用了很多年了，我很自信我能很好地处理 Dataframe 子集，并适当地处理视图和副本（尽管我使用了很多Assert来确保）。我还知道有很多关于SettingWithCopyWarning的问题，例如How to deal with SettingWithCopyWarning in Pandas?，以及一些最近的很棒的指南，当它发生时，让你转过头来，例如Understanding SettingWithCopyWarning in pandas。
但我也知道一些具体的东西，比如引用this answer，已经不在最新的文档（0.22.0）中了，而且这些年来很多东西都被弃用了（导致了一些不合适的旧SO答案），这些东西是continuing to change。
最近，在教Pandas完成了关于避免链式索引（以及使用.iloc/.loc）等非常基本的Python常识之后，我仍然在努力提供 * 一般经验法则 ，以了解何时注意SettingWithCopyWarning是重要的（例如，何时忽略它是安全的）。
我个人发现，根据一些规则（例如切片或布尔运算）对 Dataframe 进行子集化，然后修改该子集（ 独立于原始 Dataframe *）的特定模式比文档建议的操作要常见得多。在这种情况下，我们希望 * 修改副本而不是原始 Dataframe *，警告对新手来说是令人困惑/恐惧的。
我知道提前知道什么时候返回一个视图和一个副本不是件小事，例如。
What rules does Pandas use to generate a view vs a copy?
Checking whether data frame is copy or view in Pandas
因此，我在寻找一个更一般（初学者友好）的问题的答案：对子集化的 Dataframe 执行操作何时会影响创建该 Dataframe 的原始 Dataframe ，何时它们是独立的？。
我在下面创建了一些我认为合理的用例，但我不确定是否有我遗漏的“要点”，或者是否有任何更简单的方法来思考/检查这一点。我希望有人能证实我对以下用例的直觉是正确的，因为它们与我上面的问题有关。

import pandas as pd
df1 = pd.DataFrame({'A':[2,4,6,8,10],'B':[1,3,5,7,9],'C':[10,20,30,40,50]})

1)警告：否
原始变更：没有

# df1 will be unaffected because we use .copy() method explicitly 
df2 = df1.copy()
#
# Reference: docs
df2.iloc[0,1] = 100

2)警告：是（我不太明白为什么）
原始变更：没有

# df1 will be unaffected because .query() always returns a copy
#
# Reference:
# https://stackoverflow.com/a/23296545/8022335
df2 = df1.query('A < 10')
df2.iloc[0,1] = 100

3)警告：是
原始变更：没有

# df1 will be unaffected because boolean indexing with .loc
# always returns a copy
#
# Reference:
# https://stackoverflow.com/a/17961468/8022335
df2 = df1.loc[df1['A'] < 10,:]
df2.iloc[0,1] = 100

4)警告：否
原始变更：没有

# df1 will be unaffected because list indexing with .loc (or .iloc)
# always returns a copy
#
# Reference:
# Same as 4)
df2 = df1.loc[[0,3,4],:]
df2.iloc[0,1] = 100

5)警告：否
原始变更：是（新来者会感到困惑，但有意义）

# df1 will be affected because scalar/slice indexing with .iloc/.loc
# always references the original dataframe, but may sometimes 
# provide a view and sometimes provide a copy
#
# Reference: docs
df2 = df1.loc[:10,:]
df2.iloc[0,1] = 100

tl;dr从原始 Dataframe 创建新 Dataframe 时，更改新 Dataframe ：

当使用.loc/.iloc建立标量/片段索引来建立新的数据框时，会变更原始数据框。

• • 使用.loc、.query()或.copy()的布尔索引创建新 Dataframe 时**不会 * 更改原始 Dataframe **