我在尝试更改DataFrame中的某些值时遇到了常见的SettingWithCopyWarning。我找到了一种不必禁用警告的方法来解决这个问题，但我觉得我做得不对，而且这是不必要的浪费和计算效率低下。
label_encoded_feature_data_to_be_standardised_X_train = X_train_label_encoded[['price', 'vintage']]
label_encoded_feature_data_to_be_standardised_X_test = X_test_label_encoded[['price', 'vintage']]
label_encoded_standard_scaler = StandardScaler()
label_encoded_standard_scaler.fit(label_encoded_feature_data_to_be_standardised_X_train)
X_train_label_encoded_standardised = label_encoded_standard_scaler.transform(label_encoded_feature_data_to_be_standardised_X_train)
X_test_label_encoded_standardised = label_encoded_standard_scaler.transform(label_encoded_feature_data_to_be_standardised_X_test)
这就是它的设置方式，如果我这样做，我会收到警告：
X_train_label_encoded.loc[:,'price'] = X_train_label_encoded_standardised[:,0]
如果我这样做：
X_train_label_encoded_standardised_df = pd.DataFrame(data=X_train_label_encoded_standardised, columns=['price', 'vintage'])
我通过这样做解决了这个问题：
X_train_label_encoded = X_train_label_encoded.drop('price', axis=1)
X_train_label_encoded['price'] = X_train_label_encoded_standardised_df.loc[:,'price']
这也起作用：
X_train_label_encoded.replace(to_replace=X_train_label_encoded['price'], value=X_train_label_encoded_standardised_df['price'])
但即使这样，在创建额外的DataFrame时也会觉得过于笨重。
为什么我不能以某种方式分配列？或者使用某种替换方法的安排？文档似乎没有解决方案，或者我只是读错了？缺少一些明显但未详细说明的解决方案？
有更好的方法吗
很多时候，这个警告只是一个警告。如果你的代码是有效的，并且你没有使用链式赋值，你通常没有什么可担心的。
如果您的转换维护索引，包括顺序，并且您的数据是数字，则可以使用pd.DataFrame.values:
X_train_label_encoded['price'] = X_train_label_encoded_standardised.values[:, 0]
这应该避开警告，因为X_train_label_encoded_standardised.values的计算结果是较低级别的NumPy数组。