pandas 链式赋值未生效：用一次 loc 修改父表，区分 Copy-on-Write

筛选出一部分 DataFrame 后修改列，旧环境提示 SettingWithCopyWarning，升级后原表又没有变化。常见原因是赋值落在筛选得到的对象上，而程序后续读取的仍是原表。

应先决定修改目标：更新原表，还是生成一份独立的筛选结果。pandas 3.0 默认且只支持 Copy-on-Write（CoW）；pandas 2.x 未启用 CoW 时仍有视图与副本差异，不能用某次赋值碰巧生效来判断代码可靠。

两次索引把赋值落到了中间对象

以下是容易出现问题的写法，数据为示例：

import pandas as pd

df = pd.DataFrame({
    "quantity": [0, 2, 5],
    "price": [10, 20, 30],
})
df[df["quantity"] > 0]["price"] = 99

先按数量筛选，再取价格列，形成了两次索引。CoW 下，筛选产生的对象在行为上是副本，修改它不能回写原来的 df。未启用 CoW 的旧环境则可能受数据布局等条件影响，返回视图或副本，SettingWithCopyWarning 提醒的是这种赋值的不确定性；它不等于每次都必然没有写入。

CoW 相关的链式赋值诊断名为 ChainedAssignmentError，但这是一个警告类别，不能仅凭名字声称默认一定抛异常。是否升级为异常还取决于警告过滤配置。程序没有中断，也不代表原表已经更新。

更新父表，把行条件和列名放进同一次 loc

希望直接更新 df 中数量大于零的行，可将错误赋值替换为：

mask = df["quantity"] > 0
df.loc[mask, "price"] = 99

这里的赋值目标就是 df，行选择和列选择由同一次 loc 完成。按前面的初始数据，价格列预期成为 [10, 99, 99]；数量为零的行应保持原值。

df.loc[mask]["price"] = 99 仍有两次索引，不能因为出现了 loc 就认为修复完成。若赋值右侧是 Series，还要核对其索引标签：loc 会按标签对齐，错误的标签可能造成另一个数据问题，不能用关闭警告来处理。

独立处理子表，明确 copy 的用途

如果目标是生成数量大于零的报价表，并保持原表不变，可写成：

quotes = df.loc[df["quantity"] > 0].copy()
quotes.loc[:, "price"] = 99

此处的 copy() 明确表达独立结果的意图，也适用于未启用 CoW 的 pandas 2.x。它不会把修改传回父表。CoW 下派生对象本来就按副本行为处理，也不意味着每次选择都立刻复制全部底层数据。

另一种容易忽略的情况是把筛选与赋值拆到两行：

quotes = df[df["quantity"] > 0]
quotes.loc[:, "price"] = 99

第二行确实直接修改了 quotes，但不会因此成为对 df 的单次赋值。旧环境中的警告可能出现在这行，需要往前追踪 quotes 的来源。要修改父表，回到父表上操作；只需要子表，则明确创建独立结果。

升级时检查修改对象，不以没有警告作为验收

核对应用实际运行的 pd.__version__。pandas 2.x 还需确认是否启用了 CoW；2.2 起的 CoW 警告模式可用于迁移观察，但警告数量并不直接代表数据错误数量。pandas 3.0 已将 CoW 作为唯一模式，继续关闭旧的链式赋值警告选项不会让链式赋值回写父表。

逐处检查代码到底修改谁，特别留意从父表取出一列后调用 inplace=True 的方法：CoW 下它也不能用来更新父表。此类代码应把结果赋回父表对应列，或采用作用于父表的方法，而不是依赖中间 Series 的修改传播。

修改前保留代码和输入，在隔离数据中核对被选中的行、未选中的行以及父表与子表各自的值。若业务需要原表变化，应直接检查原表；若业务要求独立结果，应确认原表保持不变。代码回退不能自动撤销已写入下游的数据，发布切换应保留对应批次的输入与输出。