假设我有一个熊猫数据框df，并且我想对缺失的值进行插值。
第一种情况，我尝试对整个数据帧df进行插值。但是不知何故我收到了警告消息，但失败了。
[In] interpolateList = [x for x in xlsx_df.columns if x not in ['Date', 'Time', 'DateTime', 'Year', 'YearMonth']]
# interpolation
[In] xlsx_df[interpolateList].interpolate(method='linear', inplace=True) # axis: default 0, which means col by col
print('Whether there are any NaN value: ', xlsx_df.isnull().values.any())
[Out] Whether there are any NaN value: True
/home/usrname/.local/lib/python3.6/site-packages/ipykernel_launcher.py:4： SettingWithCopyWarning：试图在一个副本上设置一个值 从DataFrame切片
请参阅文档中的警告： http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy 从sys.path中删除cwd之后。
在另一种情况下，我尝试对每一列进行插值（这意味着它是熊猫系列），并且按预期运行。
我使用可视化工具仔细检查了结果，它看起来很棒。
[In] interpolateList = [x for x in xlsx_df.columns if x not in ['Date', 'Time', 'DateTime', 'Year', 'YearMonth']]
# interpolation
[In] for col in interpolateList:
xlsx_df[col].interpolate(method='linear', inplace=True) # axis: default 0, which means col by col
print('Are there any NaN value: ', xlsx_df.isnull().values.any())
[Out] Whether there are any NaN value: False
为什么案例1失败了？是因为我以错误的方式选择了数据框的列吗？
答案 0 :(得分：1)
问题在于，您正试图将新值分配给原始数据帧的子集，因为警告消息表明：“正在尝试从DataFrame的切片副本上设置一个值。”
您需要使用xlsx_df[interpolateList] = xlsx_df[interpolateList].interpolate(method='linear')明确指定要重新定义的数据帧的片段，如下所示：
# Generate sample data
xlsx_df = pd.DataFrame(np.random.rand(10,7), columns = ['Date', 'Time', 'DateTime', 'Year', 'YearMonth', 'A', 'B'])
xlsx_df.loc[5, 'A'] = np.nan
xlsx_df.loc[7, 'B'] = np.nan
print(xlsx_df)
Date Time DateTime Year YearMonth A B
0 0.141867 0.361801 0.381639 0.947309 0.264126 0.472429 0.811379
1 0.815618 0.750343 0.287834 0.494972 0.186212 0.188400 0.435841
2 0.738592 0.526584 0.886683 0.830909 0.031605 0.568419 0.609161
3 0.961575 0.023237 0.531104 0.204781 0.053663 0.587489 0.772604
4 0.774865 0.030288 0.406946 0.044510 0.247839 0.192881 0.215183
5 0.339118 0.277418 0.962280 0.352407 0.894173 NaN 0.763747
6 0.061346 0.462761 0.005510 0.810291 0.950486 0.035107 0.933846
7 0.773854 0.358862 0.908877 0.296257 0.409295 0.096711 NaN
8 0.029601 0.484905 0.683192 0.821238 0.149941 0.754090 0.719077
9 0.559571 0.584645 0.091271 0.600471 0.381522 0.867581 0.313099
interpolateList = [x for x in xlsx_df.columns if x not in ['Date', 'Time', 'DateTime', 'Year', 'YearMonth']]
# Explicitly re-define the data frame slice:
xlsx_df[interpolateList] = xlsx_df[interpolateList].interpolate(method='linear') # axis: default 0, which means col by col
print('Any NaN values:', xlsx_df.isnull().values.any())
print(xlsx_df)
Any NaN values: False
Date Time DateTime Year YearMonth A B
0 0.461639 0.367251 0.939078 0.222373 0.553542 0.054498 0.191202
1 0.604027 0.662184 0.580996 0.869601 0.993405 0.763862 0.465092
2 0.833935 0.120387 0.683271 0.518338 0.178066 0.972934 0.338437
3 0.615423 0.878594 0.506689 0.115138 0.818739 0.353214 0.983067
4 0.883825 0.853449 0.356253 0.757130 0.986329 0.526322 0.470732
5 0.014666 0.700204 0.858478 0.247457 0.315025 0.751298 0.072080
6 0.089642 0.421111 0.261219 0.406037 0.454386 0.976273 0.944260
7 0.139730 0.882586 0.080207 0.507635 0.163910 0.365892 0.633583
8 0.424505 0.806951 0.718816 0.942839 0.534156 0.802148 0.322907
9 0.345746 0.400510 0.410916 0.103253 0.519099 0.096803 0.889762