Question

此代码的执行有效：

import pandas as pd


df = pd.DataFrame({'name':["Adam", "Sarah", "Tom", "Sarah", "Adam", "Tom", "Will"], 'score':[1,16,2,32,11,9,50]})

print(df)

colName = 'score'
df[colName][df[colName] <= 10] = 1
df[colName][(df[colName] > 10) & (df[colName] <= 20)] = 11
df[colName][df[colName] > 20] = 21

print(df)

...但是抛出此警告：

test.py:9：SettingWithCopyWarning：正在尝试在   来自DataFrame的切片的副本

请参阅文档中的警告：   http://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy   df [colName] [df [colName] <= 10] = 1 test.py:10：SettingWithCopyWarning：   试图在DataFrame的切片副本上设置一个值

请参阅文档中的警告：   http://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy   df [colName] [（df [colName]> 10）＆（df [colName] <= 20）] = 11 test.py:11：   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/user_guide/indexing.html#returning-a-view-versus-a-copy   df [colName] [df [colName]> 20] = 21

我猜这是围绕深层/浅层复制的问题吗？但是我该如何解决？必须有一种简单易读的方式来进行这样的简单操作吗？

编辑：它适用于：

df.loc[df[colName] <= 10, colName] = 1

...但是这很不合逻辑，因为colName作为第二个参数是违反直觉的...

Answer 1

尝试以下代码，希望对您有所帮助。

import pandas as pd
import numpy as np

df = pd.DataFrame({'name':["Adam", "Sarah", "Tom", "Sarah", "Adam", "Tom", "Will"], 'score':[1,16,2,32,11,9,50]})

print(df)

colName = 'score'
df[colName] = np.where(df[colName] <= 10, 1, df[colName])
df[colName] = np.where((df[colName] > 10) & (df[colName] <= 20), 11 , df[colName])
df[colName] = np.where(df[colName] > 20, 21 , df[colName])
print(df)

输出将会是：

  name  score
0   Adam      1
1  Sarah     16
2    Tom      2
3  Sarah     32
4   Adam     11
5    Tom      9
6   Will     50

****NEW*********


    name  score
0   Adam      1
1  Sarah     11
2    Tom      1
3  Sarah     21
4   Adam     11
5    Tom      1
6   Will     21

这不会发出任何警告，因为您不在使用数据框的任何部分，而是使用条件子句并更新列的值。

替换Python数据框的特定列的特定值将引发“ SettingWithCopyWarning”

1 个答案: