Question

我想检查某些列（大约5或6），如果所有列都为空，请将另一列has_nan从0更改为1。我知道如何过滤/屏蔽，但是使用loc时，我会感到恐惧SettingWithCopyWarning。

这是一个小的示例，虽然不完全相同，但突出了问题所在：

df = pd.DataFrame([np.random.randint(0,100,3), np.random.randint(0,100,3),
                 np.random.randint(0,100,3), np.random.randint(0,100,3)],
                 columns=['foo', 'bar', 'has_nan'])
for i in ['use_1', 'use_2']:
    df[i] = 2 * ['5'] + 2 * [np.nan]

df.loc[df.use_1.isna() & df.use_2.isna()]['has_nan'] = 'yes'

Answer 1

Avoid chained indexing.在这里您可以使用布尔系列：

df['has_nan'] = df[['use_1', 'use_2']].isnull().any(1)

使用布尔序列，即仅包含True / False值的布尔序列是 recommended 方法。如果您坚持要转换为'yes' / 'no'字符串，则可以在随后的步骤中通过字典映射来实现：

mapper = {1: 'yes', 0: 'no'}
df['has_nan'] = df['has_nan'].map(mapper)

Answer 2

这是你的意思吗？：

df['has_nan'][df['column_name'].isna()] = 0
df['has_nan'][~df['column_name'].isna()] = 1

Answer 3

改为尝试df.loc[df.use_1.isna() & df.use_2.isna(), 'has_nan'] = 'yes'。

有关更多信息，我阅读了https://www.dataquest.io/blog/settingwithcopywarning/

Answer 4

一种方法是：

df['has_nan'][df.use_1.isna() & df.use_2.isna()] = 'yes'

执行以下操作时，它将返回一个副本（这是警告的目的），并且将不起作用：

df.loc[df.use_1.isna() & df.use_2.isna()]['has_nan'] = 'yes'

这两种方法都会发出警告，您可以使用以下方法将其静音：

pd.set_option('mode.chained_assignment', None)

阅读Evaluation order matters以获得详细说明。

根据其他包含空值的列使用掩码设置值

4 个答案: