Question

首先，我尝试编写一些看起来像这样的代码：

import numpy as np
import pandas as pd
np.random.seed(2016)
train = pd.DataFrame(np.random.choice([np.nan, 1, 2], size=(10, 3)), 
                     columns=['Age', 'SibSp', 'Parch'])

complete = train.dropna()    
complete['AgeGt15'] = complete['Age'] > 15

获得SettingWithCopyWarning后，我尝试使用.loc：

complete.loc[:, 'AgeGt15'] = complete['Age'] > 15
complete.loc[:, 'WithFamily'] = complete['SibSp'] + complete['Parch'] > 0

但是，我仍然得到同样的警告。是什么给了什么？

Answer 1

注意：从pandas版本0.24起，is_copy已弃用，将在以后的版本中删除。虽然私有属性_is_copy存在，但下划线表明此属性不是公共API的一部分，因此不应依赖它。因此，展望未来，似乎唯一正确的方法是SettingWithCopyWarning，这将是全球性的：

pd.options.mode.chained_assignment = None

执行complete = train.dropna()时，dropna可能会返回副本，因此出于谨慎的考虑，熊猫将complete.is_copy设置为Truthy 值：

In [220]: complete.is_copy
Out[220]: <weakref at 0x7f7f0b295b38; to 'DataFrame' at 0x7f7eee6fe668>

这允许Pandas稍后警告您，当执行complete['AgeGt15'] = complete['Age'] > 15时您可能正在修改对train无效的副本。对于初学者来说，这可能是一个有用的警告。在您的情况下，您似乎无意通过修改train间接修改complete。因此，警告只是你的无意义的烦恼。

您可以通过设置

来使警告静音

complete.is_copy = False

这比制作实际副本要快，并将SettingWithCopyWarning压在萌芽状态（点where _check_setitem_copy is called）：

def _check_setitem_copy(self, stacklevel=4, t='setting', force=False):
    if force or self.is_copy:
        ...

如果您确信自己知道自己在做什么，可以通过

全局关闭SettingWithCopyWarning

pd.options.mode.chained_assignment = None # None|'warn'|'raise'

Answer 2

我通过创建数据框副本来解决该问题：

complete = train.copy()

Answer 3

我认为，如果不是原始数据帧中的.loc，则您的np.nan解决方案会起作用。您可以complete = train.dropna().reset_index()或Pandas .assign()避免使用SettingWithCopyWarning，这是创建新列，返回新数据框对象的推荐方法。您的示例：

complete = complete.assign(**{'AgeGt15': np.where(complete['Age'] > 15, True, False)})

即使在使用.loc之后，Pandas仍然会获得SettingWithCopyWarning

3 个答案: