解决在向Pandas DataFrame迭代设置新列时出现的数据类型不兼容警告

Question

设置数据框新列的值：

df.loc[df["Measure] == metric.label, "source_data_url"] = metric.source_data_url

现在（截至Pandas版本2.1.0）会产生一条警告，

FutureWarning:
Setting an item of incompatible dtype is deprecated and will raise in a future error of pandas. Value '       metric_3' has dtype incompatible with float64, please explicitly cast to a compatible dtype
 first.

Pandas文档讨论了如何解决Series中出现的这个问题，但对于在循环中迭代地为DataFrame分配新列时（如上一行代码在一个遍历metrics的循环中调用，并且是最后一次赋值时触发警告），该怎么做并不明确。应该如何处理这种情况呢？

gsm2009 · Answer

在循环中对每个Series追加.astype('object')是否可以解决您的问题？

gsm2009 · Answer

尽管文档中展示了“先前行为”和“新行为”，但我并没有看到任何差异！（只有警告提示！）

gsm2009 · Answer

这是一个完全违背直觉的警告，至少对用户来说是无用信息，应该在pandas上游进行修复。

gsm2009 · Answer

我遇到过同样的问题。根据我的理解，在首次为“source_data_url”列设置值时，该列还不存在，因此Pandas会创建一个名为“source_data_url”的新列，并将其所有元素的值都初始化为NaN。这使得Pandas认为该列的数据类型是float64，从而触发了这个警告。

我的解决方案是在向其添加值之前先用某个默认值（例如空字符串）创建该列：

df["source_data_url"] = ""

或者使用None作为默认值似乎也能解决问题：

df["source_data_url"] = None

这样一来，在后续迭代中为该列赋值时，由于列已经存在且具有明确的数据类型，就不会再出现数据类型不兼容的警告了。