Pandas 即使在使用 .loc 后仍然出现 SettingWithCopyWarning

Question

起初，我尝试编写一些如下所示的代码：

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

获取 SettingWithCopyWarning 后，我尝试了 using.loc:

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

但是，我仍然收到相同的警告。给出了什么？

Answer 1

注意：从 pandas 版本 0.24 开始，is_copy 已弃用，将在未来的版本中删除。虽然私有属性 _is_copy 存在，但下划线表示此属性不是 public API 的一部分，因此不应依赖。因此，展望未来，让 SettingWithCopyWarning 保持沉默的唯一正确方法似乎是在全球范围内这样做：

pd.options.mode.chained_assignment = None

当complete = train.dropna()执行时，dropna可能return一个副本，所以出于谨慎考虑，Pandas 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 稍后在执行 complete['AgeGt15'] = complete['Age'] > 15 时警告您，您可能正在修改对 train 没有影响的副本。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 complete 来间接修改 train。因此，在您的情况下，警告只是毫无意义的烦恼。

您可以通过设置使警告静音，

complete.is_copy = False       # deprecated as of version 0.24

这比实际复制要快，并且将 SettingWithCopyWarning 扼杀在萌芽状态（在 where _check_setitem_copy is called 点）：

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

如果您真的有信心知道自己在做什么，可以使用

全局关闭SettingWithCopyWarning

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

消除警告的另一种方法是制作新副本：

complete = complete.copy()

但是，如果 DataFrame 很大，您可能不想这样做，因为复制会占用大量的时间和内存，并且它是如果您知道 complete 已经是副本，则完全没有意义（除了为了让警告静音）。

Answer 2

我通过创建数据帧的副本来解决它：

complete = train.copy()

Answer 3

我认为您的 .loc 解决方案可以工作，如果它不是针对原始数据框中的 np.nan 的话。您可以 complete = train.dropna().reset_index() 或 Pandas .assign() 将避免 SettingWithCopyWarning 并且是创建新列的推荐方式，返回新的数据框对象。你的例子：

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

Pandas 即使在使用 .loc 后仍然出现 SettingWithCopyWarning

Pandas still getting SettingWithCopyWarning even after using .loc

python

pandas

chained-assignment