在新版本的熊猫中将浮点数转换为数据时间,导致“SettingWithCopyWarning”警告[重复]
原文标题 :Converting float number into datatime in new version of pandas, causes warning of “SettingWithCopyWarning” [duplicate]
背景
我刚刚将我的 Pandas 从 0.11 升级到 0.13.0rc1。现在,该应用程序弹出了许多新警告。其中一个是这样的:
E:\FinReporter\FM_EXT.py:449: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_index,col_indexer] = value instead
quote_df['TVol'] = quote_df['TVol']/TVOL_SCALE
我想知道具体是什么意思?我需要改变什么吗?
如果我坚持使用quote_df['TVol'] = quote_df['TVol']/TVOL_SCALE
,我应该如何暂停警告?
给出错误的函数
def _decode_stock_quote(list_of_150_stk_str):
"""decode the webpage and return dataframe"""
from cStringIO import StringIO
str_of_all = "".join(list_of_150_stk_str)
quote_df = pd.read_csv(StringIO(str_of_all), sep=',', names=list('ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefg')) #dtype={'A': object, 'B': object, 'C': np.float64}
quote_df.rename(columns={'A':'STK', 'B':'TOpen', 'C':'TPCLOSE', 'D':'TPrice', 'E':'THigh', 'F':'TLow', 'I':'TVol', 'J':'TAmt', 'e':'TDate', 'f':'TTime'}, inplace=True)
quote_df = quote_df.ix[:,[0,3,2,1,4,5,8,9,30,31]]
quote_df['TClose'] = quote_df['TPrice']
quote_df['RT'] = 100 * (quote_df['TPrice']/quote_df['TPCLOSE'] - 1)
quote_df['TVol'] = quote_df['TVol']/TVOL_SCALE
quote_df['TAmt'] = quote_df['TAmt']/TAMT_SCALE
quote_df['STK_ID'] = quote_df['STK'].str.slice(13,19)
quote_df['STK_Name'] = quote_df['STK'].str.slice(21,30)#.decode('gb2312')
quote_df['TDate'] = quote_df.TDate.map(lambda x: x[0:4]+x[5:7]+x[8:10])
return quote_df
更多错误信息
E:\FinReporter\FM_EXT.py:449: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_index,col_indexer] = value instead
quote_df['TVol'] = quote_df['TVol']/TVOL_SCALE
E:\FinReporter\FM_EXT.py:450: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_index,col_indexer] = value instead
quote_df['TAmt'] = quote_df['TAmt']/TAMT_SCALE
E:\FinReporter\FM_EXT.py:453: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_index,col_indexer] = value instead
quote_df['TDate'] = quote_df.TDate.map(lambda x: x[0:4]+x[5:7]+x[8:10])
回复
我来回复-
Garrett 评论
该回答已被采纳!
创建
SettingWithCopyWarning
是为了标记可能令人困惑的“链式”分配,例如以下,它并不总是按预期工作,特别是当第一个选择返回一个副本时。 [有关背景讨论,请参见 GH5390 和 GH5597。]df[df['A'] > 2]['B'] = new_val # new_val not set in df
该警告提供了重写的建议,如下所示:
df.loc[df['A'] > 2, 'B'] = new_val
但是,这不适合您的用法,相当于:
df = df[df['A'] > 2] df['B'] = new_val
虽然很明显,您并不关心将其写入原始帧(因为您正在覆盖对它的引用),但不幸的是,这种模式无法与第一个链式分配示例区分开来。因此(误报)警告。如果您想进一步阅读,索引文档中解决了误报的可能性。您可以通过以下分配安全地禁用此新警告。
import pandas as pd pd.options.mode.chained_assignment = None # default='warn'
其他资源
- pandas 用户指南:索引和选择数据
- Python 数据科学手册:数据索引和选择
- 真正的 Python:Pandas 中的 SettingWithCopyWarning:视图与副本
- Dataquest:SettingwithCopyWarning:如何在 Pandas 中修复此警告
- 迈向数据科学:解释 Pandas 中的 SettingWithCopyWarning
2年前 -
cs95 评论
如何对付
SettingWithCopyWarning
in Pandas?这篇文章是为读者准备的,
- 想了解此警告的含义
- 想了解抑制此警告的不同方法
- 想了解如何改进他们的代码并遵循良好实践以避免将来出现此警告。
设置
np.random.seed(0) df = pd.DataFrame(np.random.choice(10, (3, 5)), columns=list('ABCDE')) df A B C D E 0 5 0 3 3 7 1 9 3 5 2 4 2 7 6 8 8 1
SettingWithCopyWarning
是什么?要知道如何处理这个警告,首先要了解它的含义以及为什么会出现它,这一点很重要。
过滤 DataFrame 时,可以对帧进行切片/索引以返回视图或副本,具体取决于内部布局和各种实现细节。正如术语所暗示的,“视图”是对原始数据的视图,因此修改视图可能会修改原始对象。另一方面,“副本”是对原始数据的复制,修改副本对原始数据没有影响。
正如其他答案所提到的,
SettingWithCopyWarning
是为了标记“链式分配”操作而创建的。考虑df
在上面的设置中。假设您想选择“B”列中的所有值,其中“A”列中的值大于 5。Pandas 允许您以不同的方式执行此操作,其中一些方式比其他方式更正确。例如,df[df.A > 5]['B'] 1 3 2 6 Name: B, dtype: int64
和,
df.loc[df.A > 5, 'B'] 1 3 2 6 Name: B, dtype: int64
这些返回相同的结果,所以如果你只是读取这些值,没有区别。那么,问题出在哪里?链式赋值的问题在于,通常很难预测返回的是视图还是副本,因此当您尝试将值重新赋值时,这在很大程度上成为一个问题。以前面的示例为基础,考虑这段代码是如何实现的由解释器执行:
df.loc[df.A > 5, 'B'] = 4 # becomes df.__setitem__((df.A > 5, 'B'), 4)
用一个
__setitem__
调用df
。 OTOH,请考虑以下代码:df[df.A > 5]['B'] = 4 # becomes df.__getitem__(df.A > 5).__setitem__('B', 4)
现在,根据
__getitem__
返回的是视图还是副本,__setitem__
操作可能不起作用。通常,您应该使用
loc
进行基于标签的分配,而iloc
用于基于整数/位置的分配,因为规范保证它们始终在原始文件上运行。此外,要设置单个单元格,您应该使用at
和iat
。更多可以在文档中找到。
笔记
用loc
完成的所有布尔索引操作也可以用iloc
完成。唯一的区别是iloc
期望索引的整数/位置或布尔值的numpy数组,以及列的整数/位置索引。例如,
df.loc[df.A > 5, 'B'] = 4
可以写nas
df.iloc[(df.A > 5).values, 1] = 4
和,
df.loc[1, 'A'] = 100
可以写成
df.iloc[1, 0] = 100
等等。
告诉我如何抑制警告!
考虑对
df
的“A”列的一个简单操作。选择“A”并除以 2 会引发警告,但该操作会起作用。df2 = df[['A']] df2['A'] /= 2 /Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/IPython/__main__.py:1: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead df2 A 0 2.5 1 4.5 2 3.5
有几种方法可以直接消除此警告:
- (推荐)使用 loc 对子集进行切片: df2 = df.loc[:, [‘A’]] df2[‘A’] /= 2 # 不引发
- 更改 pd.options.mode.chained_assignment
可以设置为 None 、 “warn” 或 “raise” 。 “警告”是默认值。 None 将完全抑制警告,“raise”将抛出 SettingWithCopyError ,阻止操作通过。 pd.options.mode.chained_assignment = 无 df2[‘A’] /= 2 - 进行深度复制 df2 = df[[‘A’]].copy(deep=True) df2[‘A’] /= 2
@Peter Cottonin 在评论中,提出了一种使用上下文管理器非侵入式更改模式(从this gist修改)的好方法,仅在需要时设置模式,并将其重置回原始状态等结束了。
class ChainedAssignent: def __init__(self, chained=None): acceptable = [None, 'warn', 'raise'] assert chained in acceptable, "chained must be in " + str(acceptable) self.swcw = chained def __enter__(self): self.saved_swcw = pd.options.mode.chained_assignment pd.options.mode.chained_assignment = self.swcw return self def __exit__(self, *args): pd.options.mode.chained_assignment = self.saved_swcw
用法如下:
# some code here with ChainedAssignent(): df2['A'] /= 2 # more code follows
或者,引发异常
with ChainedAssignent(chained='raise'): df2['A'] /= 2 SettingWithCopyError: A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead
“XY 问题”:我做错了什么?
很多时候,用户试图寻找抑制这个异常的方法,但并没有完全理解它最初出现的原因。这是 anXY 问题的一个很好的例子,用户试图解决一个问题“Y”,这实际上是一个更深层次的问题“X”的症状。将根据遇到此警告的常见问题提出问题,然后提出解决方案。
问题 1
我有一个数据框df A B C D E 0 5 0 3 3 7 1 9 3 5 2 4 2 7 6 8 8 1
我想将 col“A”> 5 中的值分配给 1000。我的预期输出是
A B C D E 0 5 0 3 3 7 1 1000 3 5 2 4 2 1000 6 8 8 1
这样做的错误方法:
df.A[df.A > 5] = 1000 # works, because df.A returns a view df[df.A > 5]['A'] = 1000 # does not work df.loc[df.A > 5]['A'] = 1000 # does not work
正确使用方法
loc
:df.loc[df.A > 5, 'A'] = 1000
问题 21
我正在尝试将单元格 (1, ‘D’) 中的值设置为 12345。我的预期输出是A B C D E 0 5 0 3 3 7 1 9 3 5 12345 4 2 7 6 8 8 1
我尝试了不同的方式来访问这个单元格,比如
df['D'][1]
。做这个的最好方式是什么?1.这个问题与警告没有特别的关系,但最好了解如何正确执行此特定操作,以避免将来可能出现警告的情况。
您可以使用以下任何一种方法来执行此操作。
df.loc[1, 'D'] = 12345 df.iloc[1, 3] = 12345 df.at[1, 'D'] = 12345 df.iat[1, 3] = 12345
问题 3
我正在尝试根据某些条件对值进行子集化。我有一个DataFrameA B C D E 1 9 3 5 2 4 2 7 6 8 8 1
我想将“D”中的值分配给 123,使得“C”== 5。Itried
df2.loc[df2.C == 5, 'D'] = 123
这看起来不错,但我仍然得到
SettingWithCopyWarning
!我该如何解决?这实际上可能是因为您的管道中的代码更高。你有没有从更大的东西创造
df2
,比如df2 = df[df.A > 5]
?在这种情况下,布尔索引将返回一个视图,因此
df2
将引用原始视图。您需要做的是将df2
分配给 acopy:df2 = df[df.A > 5].copy() # Or, # df2 = df.loc[df.A > 5, :]
问题 4
我正在尝试从A B C D E 1 9 3 5 2 4 2 7 6 8 8 1
但是使用
df2.drop('C', axis=1, inplace=True)
抛出
SettingWithCopyWarning
。为什么会这样?这是因为
df2
必须是从其他切片操作创建的视图,例如df2 = df[df.A > 5]
这里的解决方案是要么制作
copy()
ofdf
,要么像以前一样使用loc
。2年前 -
Jeff 评论
一般来说,
SettingWithCopyWarning
的重点是向用户(尤其是新用户)展示他们可能在副本上操作,而不是他们认为的原版。有误报(如果您知道自己在做什么,IOW 可能会出错)。一种可能性是像@Garrett 建议的那样简单地关闭(默认警告)警告。这是另一种选择:
In [1]: df = DataFrame(np.random.randn(5, 2), columns=list('AB')) In [2]: dfa = df.ix[:, [1, 0]] In [3]: dfa.is_copy Out[3]: True In [4]: dfa['A'] /= 2 /usr/local/bin/ipython:1: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_index,col_indexer] = value instead #!/usr/local/bin/python
您可以将
is_copy
标志设置为False
,这将有效地关闭该对象的检查:In [5]: dfa.is_copy = False In [6]: dfa['A'] /= 2
如果您明确复制,则不会发生进一步的警告:
In [7]: dfa = df.ix[:, [1, 0]].copy() In [8]: dfa['A'] /= 2
OP 上面显示的代码虽然是合法的,而且可能我也这样做,但从技术上讲,这是此警告的一种情况,而不是误报。没有警告的另一种方法是通过
reindex
进行选择操作,例如quote_df = quote_df.reindex(columns=['STK', ...])
要么,
quote_df = quote_df.reindex(['STK', ...], axis=1) # v.0.21
2年前 -
firelynx 评论
熊猫数据框复制警告
当你去做这样的事情时:
quote_df = quote_df.ix[:,[0,3,2,1,4,5,8,9,30,31]]
pandas.ix
在这种情况下返回一个新的、独立的数据框。您决定在此数据框中更改的任何值都不会更改原始数据框。
这是 pandas 试图警告你的。
为什么
.ix
是个坏主意.ix
对象试图做的不止一件事,对于任何读过干净代码的人来说,这是一种强烈的气味。鉴于此数据框:
df = pd.DataFrame({"a": [1,2,3,4], "b": [1,1,2,2]})
两种行为:
dfcopy = df.ix[:,["a"]] dfcopy.a.ix[0] = 2
行为一:
dfcopy
现在是一个独立的数据框。改变它不会改变df
df.ix[0, "a"] = 3
行为二:这会更改原始数据框。
用
.loc
代替pandas 开发人员认识到
.ix
对象很臭[推测性地],因此创建了两个新对象,这有助于数据的访问和分配。 (另一个存在.iloc
).loc
更快,因为它不会尝试创建数据的副本。.loc
旨在就地修改您现有的数据帧,这样可以提高内存效率。.loc
是可预测的,它有一种行为。
解决方案
您在代码示例中所做的是加载一个包含很多列的大文件,然后将其修改为更小。
pd.read_csv
功能可以帮助您解决很多问题,还可以使文件的加载速度更快。所以而不是这样做
quote_df = pd.read_csv(StringIO(str_of_all), sep=',', names=list('ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefg')) #dtype={'A': object, 'B': object, 'C': np.float64} quote_df.rename(columns={'A':'STK', 'B':'TOpen', 'C':'TPCLOSE', 'D':'TPrice', 'E':'THigh', 'F':'TLow', 'I':'TVol', 'J':'TAmt', 'e':'TDate', 'f':'TTime'}, inplace=True) quote_df = quote_df.ix[:,[0,3,2,1,4,5,8,9,30,31]]
做这个
columns = ['STK', 'TPrice', 'TPCLOSE', 'TOpen', 'THigh', 'TLow', 'TVol', 'TAmt', 'TDate', 'TTime'] df = pd.read_csv(StringIO(str_of_all), sep=',', usecols=[0,3,2,1,4,5,8,9,30,31]) df.columns = columns
这只会读取您感兴趣的列,并正确命名它们。不需要用邪恶的
.ix
物体来做神奇的事情。2年前 -
user443854 评论
这里我直接回答问题。如何处理?
切片后做一个
.copy(deep=False)
。参见pandas.DataFrame.copy。等等,切片不是返回一个副本吗?毕竟,这就是警告信息想要表达的意思?阅读长答案:
import pandas as pd df = pd.DataFrame({'x':[1,2,3]})
这给出了一个警告:
df0 = df[df.x>2] df0['foo'] = 'bar'
这不会:
df1 = df[df.x>2].copy(deep=False) df1['foo'] = 'bar'
df0
和df1
都是DataFrame
对象,但它们的某些不同之处在于使熊猫能够打印警告。让我们找出它是什么。import inspect slice= df[df.x>2] slice_copy = df[df.x>2].copy(deep=False) inspect.getmembers(slice) inspect.getmembers(slice_copy)
使用您选择的差异工具,您会看到除了几个地址之外,唯一的实质性区别是:
| | slice | slice_copy | | _is_copy | weakref | None |
决定是否警告的方法是
DataFrame._check_setitem_copy
检查_is_copy
。所以给你。制作一个copy
,这样您的 DataFrame 就不是_is_copy
。警告是建议使用
.loc
,但如果你在一个框架上使用.loc
_is_copy
,你仍然会得到同样的警告。误导?是的。恼人的?你打赌。有帮助吗?潜在地,当使用链式赋值时。但它无法正确检测链分配并不加选择地打印警告。2年前 -
Mikulas 评论
这个话题真的让 Pandas 很困惑。幸运的是,它有一个相对简单的解决方案。
问题在于,数据过滤操作(例如loc)是否返回DataFrame的副本或视图并不总是很清楚。因此,进一步使用这种过滤的DataFrame可能会令人困惑。
简单的解决方案是(除非您需要处理非常大的数据集):
每当您需要更新任何值时,请始终确保在分配之前明确复制 DataFrame。
df # Some DataFrame df = df.loc[:, 0:2] # Some filtering (unsure whether a view or copy is returned) df = df.copy() # Ensuring a copy is made df[df["Name"] == "John"] = "Johny" # Assignment can be done now (no warning)
2年前 -
Zilbert97 评论
从我使用
.query()
方法的预先存在的数据帧分配新数据帧时,我遇到了这个问题。例如:prop_df = df.query('column == "value"') prop_df['new_column'] = prop_df.apply(function, axis=1)
将返回此错误。在这种情况下似乎可以解决错误的修复方法是将其更改为:
prop_df = df.copy(deep=True) prop_df = prop_df.query('column == "value"') prop_df['new_column'] = prop_df.apply(function, axis=1)
但是,由于必须制作新副本,这并不高效,尤其是在使用大型数据帧时。
如果您在生成新列及其值时使用
.apply()
方法,则可以通过添加.reset_index(drop=True)
来解决错误并且更有效的修复方法:prop_df = df.query('column == "value"').reset_index(drop=True) prop_df['new_column'] = prop_df.apply(function, axis=1)
2年前 -
Raphvanns 评论
为了消除任何疑问,我的解决方案是制作切片的深层副本而不是常规副本。这可能不适用,具体取决于您的上下文(内存限制/切片的大小,性能下降的可能性 – 特别是如果复制发生在一个循环中,就像它为我做的那样,等等……)
需要明确的是,这是我收到的警告:
/opt/anaconda3/lib/python3.6/site-packages/ipykernel/__main__.py:54: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
插图
我怀疑警告是因为我在切片副本上放置的列而引发的。虽然技术上没有尝试在切片副本中设置值,但这仍然是对切片副本的修改。下面是我为确认怀疑而采取的(简化的)步骤,我希望它能帮助我们这些试图理解警告的人。
示例 1:在原件上删除一列会影响副本
我们已经知道了,但这是一个健康的提醒。这不是警告的内容。
>> data1 = {'A': [111, 112, 113], 'B':[121, 122, 123]} >> df1 = pd.DataFrame(data1) >> df1 A B 0 111 121 1 112 122 2 113 123 >> df2 = df1 >> df2 A B 0 111 121 1 112 122 2 113 123 # Dropping a column on df1 affects df2 >> df1.drop('A', axis=1, inplace=True) >> df2 B 0 121 1 122 2 123
可以避免对 df1 所做的更改影响 df2。注意:你可以通过做
df.copy()
来避免导入copy.deepcopy
。>> data1 = {'A': [111, 112, 113], 'B':[121, 122, 123]} >> df1 = pd.DataFrame(data1) >> df1 A B 0 111 121 1 112 122 2 113 123 >> import copy >> df2 = copy.deepcopy(df1) >> df2 A B 0 111 121 1 112 122 2 113 123 # Dropping a column on df1 does not affect df2 >> df1.drop('A', axis=1, inplace=True) >> df2 A B 0 111 121 1 112 122 2 113 123
示例 2:在副本上删除一列可能会影响原始
这实际上说明了警告。
>> data1 = {'A': [111, 112, 113], 'B':[121, 122, 123]} >> df1 = pd.DataFrame(data1) >> df1 A B 0 111 121 1 112 122 2 113 123 >> df2 = df1 >> df2 A B 0 111 121 1 112 122 2 113 123 # Dropping a column on df2 can affect df1 # No slice involved here, but I believe the principle remains the same? # Let me know if not >> df2.drop('A', axis=1, inplace=True) >> df1 B 0 121 1 122 2 123
可以避免对 df2 所做的更改影响 df1
>> data1 = {'A': [111, 112, 113], 'B':[121, 122, 123]} >> df1 = pd.DataFrame(data1) >> df1 A B 0 111 121 1 112 122 2 113 123 >> import copy >> df2 = copy.deepcopy(df1) >> df2 A B 0 111 121 1 112 122 2 113 123 >> df2.drop('A', axis=1, inplace=True) >> df1 A B 0 111 121 1 112 122 2 113 123
干杯!
2年前 -
jrouquie 评论
这应该有效:
quote_df.loc[:,'TVol'] = quote_df['TVol']/TVOL_SCALE
2年前 -
delica 评论
有些人可能想简单地抑制警告:
class SupressSettingWithCopyWarning: def __enter__(self): pd.options.mode.chained_assignment = None def __exit__(self, *args): pd.options.mode.chained_assignment = 'warn' with SupressSettingWithCopyWarning(): #code that produces warning
2年前 -
mikolaj semeniuk 评论
对我来说工作:
import pandas as pd # ... pd.set_option('mode.chained_assignment', None)
2年前 -
musbur 评论
后续初学者问题/备注
也许是对像我这样的其他初学者的澄清(我来自 R,它在引擎盖下的工作似乎有点不同)。以下看起来无害且功能强大的代码不断产生 SettingWithCopy 警告,我不知道为什么。我已经阅读并理解了“链式索引”的发布,但我的代码不包含任何内容:
def plot(pdb, df, title, **kw): df['target'] = (df['ogg'] + df['ugg']) / 2 # ...
但是后来,太晚了,我查看了调用 plot() 函数的位置:
df = data[data['anz_emw'] > 0] pixbuf = plot(pdb, df, title)
所以“df”不是一个数据框,而是一个对象,它以某种方式记住它是通过索引数据框创建的(那是一个视图吗?)这将在 plot()
df['target'] = ...
相当于
data[data['anz_emw'] > 0]['target'] = ...
这是一个链式索引。我做对了吗?
反正,
def plot(pdb, df, title, **kw): df.loc[:,'target'] = (df['ogg'] + df['ugg']) / 2
修复。
2年前 -
m-dz 评论
由于这个问题已经在现有答案中得到充分解释和讨论,我将只提供一个简洁的
pandas
方法来使用pandas.option_context
(链接到文档和示例)的上下文管理器 – 绝对没有必要创建一个包含所有 dunder 方法和其他铃声的自定义类和口哨声。首先是上下文管理器代码本身:
from contextlib import contextmanager @contextmanager def SuppressPandasWarning(): with pd.option_context("mode.chained_assignment", None): yield
然后是一个例子:
import pandas as pd from string import ascii_letters a = pd.DataFrame({"A": list(ascii_letters[0:4]), "B": range(0,4)}) mask = a["A"].isin(["c", "d"]) # Even shallow copy below is enough to not raise the warning, but why is a mystery to me. b = a.loc[mask] # .copy(deep=False) # Raises the `SettingWithCopyWarning` b["B"] = b["B"] * 2 # Does not! with SuppressPandasWarning(): b["B"] = b["B"] * 2
值得注意的是,这两种方法都不会修改
a
,这让我有点惊讶,即使是带有.copy(deep=False)
的浅 df 副本也会阻止引发此警告(据我所知,浅副本至少也应该修改a
,但它没有。pandas
魔术。)。2年前 -
Steohan 评论
如果您已将切片分配给变量并希望使用该变量进行设置,如下所示:
df2 = df[df['A'] > 2] df2['B'] = value
并且您不想使用 Jeffs 解决方案,因为您的条件计算
df2
太长或出于其他原因,那么您可以使用以下内容:df.loc[df2.index.tolist(), 'B'] = value
df2.index.tolist()
返回 df2 中所有条目的索引,然后将其用于设置原始数据框中的 B 列。2年前 -
hughdbrown 评论
你可以避免这样的整个问题,我相信:
return ( pd.read_csv(StringIO(str_of_all), sep=',', names=list('ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefg')) #dtype={'A': object, 'B': object, 'C': np.float64} .rename(columns={'A':'STK', 'B':'TOpen', 'C':'TPCLOSE', 'D':'TPrice', 'E':'THigh', 'F':'TLow', 'I':'TVol', 'J':'TAmt', 'e':'TDate', 'f':'TTime'}, inplace=True) .ix[:,[0,3,2,1,4,5,8,9,30,31]] .assign( TClose=lambda df: df['TPrice'], RT=lambda df: 100 * (df['TPrice']/quote_df['TPCLOSE'] - 1), TVol=lambda df: df['TVol']/TVOL_SCALE, TAmt=lambda df: df['TAmt']/TAMT_SCALE, STK_ID=lambda df: df['STK'].str.slice(13,19), STK_Name=lambda df: df['STK'].str.slice(21,30)#.decode('gb2312'), TDate=lambda df: df.TDate.map(lambda x: x[0:4]+x[5:7]+x[8:10]), ) )
使用分配。来自文档:将新列分配给 DataFrame,返回一个新对象(副本),其中包含除新列之外的所有原始列。
参见 Tom Augspurger 关于 pandas 中方法链的文章:https://tomaugspurger.github.io/method-chaining
2年前 -
Petr Szturc 评论
对我来说,这个问题发生在以下 >simplified< 示例中。而且我也能够解决它(希望有一个正确的解决方案):
带有警告的旧代码:
def update_old_dataframe(old_dataframe, new_dataframe): for new_index, new_row in new_dataframe.iterrorws(): old_dataframe.loc[new_index] = update_row(old_dataframe.loc[new_index], new_row) def update_row(old_row, new_row): for field in [list_of_columns]: # line with warning because of chain indexing old_dataframe[new_index][field] old_row[field] = new_row[field] return old_row
这打印了该行的警告
old_row[field] = new_row[field]
由于 update_row 方法中的行实际上是类型
Series
,我将行替换为:old_row.at[field] = new_row.at[field]
i.e.methodfor accessing/lookups for a
Series
。Eventhough both works just fine and the result is same, this way I don’t have to disable the warnings (=keep them for other chain indexing issues somewhere else).我希望这可以帮助某人。
2年前 -
mossishahi 评论
当我执行这部分代码时,我面临同样的警告:
def scaler(self, numericals): scaler = MinMaxScaler() self.data.loc[:, numericals[0]] = scaler.fit_transform(self.data.loc[:, numericals[0]]) self.data.loc[:, numericals[1]] = scaler.fit_transform(self.data.loc[:, numericals[1]])
其中
scaler
是 MinMaxScaler 并且numericals[0]
包含我的 3 个数字列的名称。当我将代码更改为:def scaler(self, numericals): scaler = MinMaxScaler() self.data.loc[:][numericals[0]] = scaler.fit_transform(self.data.loc[:][numericals[0]]) self.data.loc[:][numericals[1]] = scaler.fit_transform(self.data.loc[:][numericals[1]])
所以,把
[:, ~]
改成[:][~]
2年前 -
Vaibhav Hiwase 评论
只需在警告出现之前使用
.copy()
方法创建数据帧的副本,即可删除所有警告。发生这种情况是因为我们不想更改原始的 quote_df。换句话说,我们不想使用我们为quote_df 创建的quote_df 对象的引用。quote_df = quote_df.copy()
2年前 -
Calculate 评论
这可能仅适用于 numpy,这意味着您可能需要导入它,但我用于示例 numpy 的数据对于计算并不重要,但您可以使用下面的 1 行代码简单地停止此设置并带有复制警告消息,
np.warnings.filterwarnings('ignore')
2年前 -
Phoenix 评论
就我而言,我会根据索引创建一个新列,但我收到了这个警告:
df_temp["Quarter"] = df_temp.index.quarter
我使用 insert() 而不是直接分配,它对我有用:
df_temp.insert(loc=0, column='Quarter', value=df_temp.index.quarter)
2年前