При код-ревью Python-скрипта на pandas (версия pandas 2.x) вы видите строку `df_filtered = df[df['status'] == 'active']` и чуть ниже `df_filtered['flag'] = 1`, которая выдаёт `SettingWithCopyWarning`. В чём причина и как это правильно исправить?

Короткий ответ

df[df['status'] == 'active'] может вернуть не независимую копию, а представление (view) исходного DataFrame, поэтому присвоение нового столбца через df_filtered['flag'] = 1 неоднозначно для pandas и порождает предупреждение; правильное решение — явно создать копию через .copy() или использовать .loc для присвоения.

Как это работает подробнее

• Как это работает: булева индексация в pandas иногда возвращает копию, а иногда представление в зависимости от внутренней структуры данных, и pandas не может гарантировать, что изменение df_filtered не должно было повлиять на df; отсюда SettingWithCopyWarning — предупреждение о потенциально непредсказуемом поведении, а не гарантированная ошибка.

Пример кода

setting_with_copy.pyКопировать

df_filtered = df[df['status'] == 'active']
df_filtered['flag'] = 1  # SettingWithCopyWarning
df_filtered = df[df['status'] == 'active'].copy()
df_filtered['flag'] = 1

Что использовать на практике

• На практике: если предполагается, что df_filtered — независимый объект, его нужно явно создать через df_filtered = df[df['status'] == 'active'].copy(); если же цель — изменить исходный df, то нужно использовать df.loc[df['status'] == 'active', 'flag'] = 1 напрямую, без промежуточной переменной. В pandas 2.x с режимом Copy-on-Write (pd.options.mode.copy_on_write = True) эта проблема частично снимается на уровне поведения, но писать код без неявных предположений по-прежнему считается хорошей практикой код-ревью.
• Пример и проверка. Проблемный код: Исправление: Проверка на ревью: после исправления код выполняется без предупреждений, а id(df_filtered) != id(df) подтверждает, что это независимый объект, изменения в котором не затрагивают исходный df.

Подводные камни

• Частые ошибки: игнорировать SettingWithCopyWarning как «просто предупреждение», хотя иногда это сигнал, что изменения вообще не применились к данным, которые дальше используются в расчётах; делать длинные цепочки df[cond1][cond2]['col'] = value (chained assignment), где непонятно, к какому объекту относится присваивание.