使用map时Pandas警告：尝试在DataFrame的切片副本上设置值

2 回答

• 0

  问题在于chained indexing，您实际上要做的是将值设置为 - pop[pop['Year'] == 2014]['Country Name'] - 这在大多数情况下都不起作用（如链接文档中所解释的那样），因为这是两个不同的调用和一个调用可能会返回数据帧的副本（我相信布尔索引）正在返回数据帧的副本） .

  因此，当您尝试将值设置为该副本时，它不会反映在原始数据框中 . 示例 -

  In [6]: df
  Out[6]:
     A  B
  0  1  2
  1  3  4
  2  4  5
  3  6  7
  4  8  9
  
  In [7]: df[df['A']==1]['B'] = 10
  /path/to/ipython-script.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
  
  See the the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
    if __name__ == '__main__':
  
  In [8]: df
  Out[8]:
     A  B
  0  1  2
  1  3  4
  2  4  5
  3  6  7
  4  8  9
  

  ---

  如上所述，您应该使用 DataFrame.loc 来索引行以及要在单个调用中更新的列，而不是链式索引，从而避免此错误 . 示例 -

  pop.loc[(pop['year'] == 2014), 'Country Name'] = pop.loc[(pop['year'] == 2014), 'Country Name'].map(f)
  

  或者，如果这看起来太长，您可以事先创建一个掩码（布尔数据帧）并分配给变量，并在上面的语句中使用它 . 示例 -

  mask = pop['year'] == 2014
  pop.loc[mask,'Country Name'] = pop.loc[mask,'Country Name'].map(f)
  

  演示 -

  In [9]: df
  Out[9]:
     A  B
  0  1  2
  1  3  4
  2  4  5
  3  6  7
  4  8  9
  
  In [10]: mapping = { 1:2 , 3:4}
  
  In [11]: f= lambda x: mapping.get(x, x)
  
  In [12]: df.loc[(df['B']==2),'A'] = df.loc[(df['B']==2),'A'].map(f)
  
  In [13]: df
  Out[13]:
     A  B
  0  2  2
  1  3  4
  2  4  5
  3  6  7
  4  8  9
  

  使用蒙版方法进行演示 -

  In [18]: df
  Out[18]:
     A  B
  0  1  2
  1  3  4
  2  4  5
  3  6  7
  4  8  9
  
  In [19]: mask = df['B']==2
  
  In [20]: df.loc[mask,'A'] = df.loc[mask,'A'].map(f)
  
  In [21]: df
  Out[21]:
     A  B
  0  2  2
  1  3  4
  2  4  5
  3  6  7
  4  8  9
  

  回复于 2024-05-12T05:57:50+08:00
• 10

  我建议你 to reset indices 在 pop_recent = pop[pop['Year'] == 2014] .

  如果要将某些函数应用于某些数据帧列，请尝试使用DataFrame API的函数apply函数 . 简单演示：

  mapping = {
          'Korea, Rep.': 'South Korea',
          'Taiwan, China': 'Taiwan'
   }
   df = pandas.DataFrame({'Country':['Korea, Rep.', 'Taiwan, China', 'Japan', 'USA'], 'date':[2014, 2014, 2015, 2014]})
   df_recent = df[df['date'] == 2014].reset_index()
   df_recent['Country'] = df_recent['Country'].apply(lambda x: mapping.get(x, x))
  

  输出：

  >>> df_recent
  index      Country  date
  0      0  South Korea  2014
  1      1       Taiwan  2014
  2      3          USA  2014
  

  回复于 2024-05-12T05:57:50+08:00