python - pandas 使用列子集时的SettingWithCopyWarning

Question

我试图了解pandasSettingWithCopyWarning，到底是什么触发了它以及如何避免它。我想从数据框中选择一些列，然后使用这些选择的列。我需要填充缺失值并将所有大于 1 的值替换为 1。

我知道 sub_df=df[['col1', 'col2', 'col3']] 会生成一个副本，这似乎就是我想要的。有人可以解释为什么这里会触发复制警告，这是否有问题，以及我应该如何避免它？

我在这种情况下阅读了很多有关链式赋值的内容，我在这里这样做吗？

data={'col1' : [25 , 0, 100, None],
    'col2' : [50 , 0 , 0, None],
      'col3' : [None, None, None, 100],
      'col4' : [ 20 , 20 , 20 , 20 ],
      'col5' : [1,1,2,3]}
df= pd.DataFrame(data)
sub_df=df[['col1', 'col2', 'col3']]
sub_df.fillna(0, inplace=True)
sub_df[df>1]=1 # produces the copy warning
sub_df

真正让我困惑的是，如果我没有为我的列子集使用新名称，为什么不会触发此警告，如下所示:

data={'col1' : [25 , 0, 100, None],
    'col2' : [50 , 0 , 0, None],
      'col3' : [None, None, None, 100],
      'col4' : [ 20 , 20 , 20 , 20 ],
      'col5' : [1,1,2,3]}
df= pd.DataFrame(data)
df=df[['col1', 'col2', 'col3']]
df.fillna(0, inplace=True)
df[df>1]=1 # does not produce the copy warning
df

谢谢!

Answer 1

您的两个代码片段在语义上是不同的，在第一个代码片段中，您是否想要对原始 df 的 View 或副本进行操作是不明确的，在第二个代码片段中，您用 df 的子集覆盖 df df 所以没有歧义。

如果您想对副本进行操作，请执行以下操作:

sub_df=df[['col1', 'col2', 'col3']].copy()

如果您想对 View 进行操作，那么我建议使用列列表并使用新的 indexers 引用它们。像下面这样:

df[col_list].fillna(0) 

然后

df.loc[df > 1, col_list] = 1