Question

我尝试使用pandas来使用简单的功能就地更改我的一个列。

在阅读整个Dataframe之后，我尝试在一个Serie上应用函数：

wanted_data.age.apply(lambda x: x+1)

它工作得很好。当我尝试将其放回我的DataFrame时，唯一的问题就出现了：

wanted_data.age = wanted_data.age.apply(lambda x: x+1)

或：

wanted_data['age'] = wanted_data.age.apply(lambda x: x+1)

发出以下警告：

> C:\Anaconda\lib\site-packages\pandas\core\generic.py:1974:
> 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   self[name] = value

当然，我可以使用以下的长格式设置DataFrame：

wanted_data.loc[:, 'age'] = wanted_data.age.apply(lambda x: x+1)

但是，没有别的，更容易，语法更好的方法吗？

谢谢！

Answer 1

使用loc：

wanted_data.loc[:, 'age'] = wanted_data.age.apply(lambda x: x + 1)

Answer 2

我会建议 wanted_data['age']= wanted_data['age'].apply(lambda x: x+1)，然后将文件另存为 wanted_data.to_csv(fname,index=False)，在哪里＆＃34; fname＆＃34;是要更新的文件的名称。

Answer 3

我无法发表评论，因此我将其保留为答案。

由于链式索引是在内部进行捆绑的方式，因此您可能会获得较深的副本，而不是对初始DataFrame的引用（有关更多信息，请参见链式分配-this is a very good source。Bare .loc []始终返回a参考）。因此，您可能无法分配回DataFrame，而是分配给它的副本。另一方面，您的格式可能会返回对初始Dataframe的引用，并且在对它进行变异的同时，初始DataFrame也将变异。 Python会打印此警告以应对这种情况，以便用户可以决定这是否是所需的治疗方法。

如果您知道自己在做什么，则可以使用以下方法使警告静音：

with pd.options.mode.chained_assignment = "None":
    wanted_data.age = wanted_data.age.apply(lambda x: x+1)

如果您认为这是一种重要的方式（例如，可能会无意间更改初始DataFrame），则可以将上述选项设置为“ raise”，这样就会引发错误而不是警告。

此外，我认为使用“就地”一词并不完全正确。在某些方法中，“ inplace”用作参数，以便在不将对象分配给自身的情况下对其进行突变（分配在内部进行分配），apply（）不支持此功能。

在应用函数后，在DataFrame中更改系列

3 个答案: