将大熊猫选择分配给变量，然后对其进行修改

Question

我试图从熊猫数据框中选择一些行，并将子集/选择存储到变量中，以便我可以对此子集执行多项操作（包括修改），而不必再次进行选择。但是我不太明白为什么它不起作用。

例如，这不能正常工作（原始df未被修改）：

df = pd.DataFrame({"a":list(range(1,3))})
subDf = df.loc[df.a==2,:]
subDf.loc[:,"a"] = -1  # also throws SettingWithCopyWarning
# ... do more stuff with subDf...

但是，这可以按预期工作：

df = pd.DataFrame({"a":list(range(1,3))})    
mask = (df.a==2)
df.loc[mask,"a"] = -1

在阅读了有关索引视图与复制的熊猫文档之后，我的印象是通过.loc进行选择将返回一个视图，但是显然在给定SettingWithCopyWarning的情况下并非如此。我在这里误会什么？

Answer 1

在subDf = df.loc[df.a==2,:]中，您使用的方法实际上是__getitem__（df.loc.__getitem__），不能保证会返回视图。当您为loc分配某些内容（例如df.loc[mask,"a"] = -1）时，您实际上是在呼叫__setitem__（df.loc.__setitem__）。在这里，由于必须为该切片分配值，因此可以保证它是视图。