In Python-Pandas SettingWithCopyWarning Ein Wert versucht, auf einer Kopie eines Slice aus einem DataFrame festgelegt zu werden. Verwenden Sie stattdessen .loc [row_indexer, col_indexer] = value

Zweck

Verhindern Sie, dass die folgenden Warnungen angezeigt werden! (Der Code, der diese Warnung ausgibt, wird unten angezeigt.)

aa.py:5: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
  d['col3']= d['col2'] * 3
   col1  col2  col3
0     1     2     6
2     1     2     6

Schauen Sie sich vorerst den schriftlichen Link an

http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy

dfmi.loc[:,('one','second')] = value
# becomes
dfmi.loc.__setitem__((slice(None), ('one', 'second')), value)

Es steht geschrieben.

Code in Frage

aa.py

import pandas as pd

data = pd.DataFrame([[1,2],[2,3],[1,2],[2,3]], columns=['col1','col2'])
d = data[data['col1'] == 1]
d['col3']= d['col2'] * 3
print(d)

Wenn Sie dies tun, erhalten Sie die obige Warnung.

Das Problem liegt in der folgenden Zeile.

d = data[data['col1'] == 1]

Wenn dies "d = Daten" ist, ist die obige Warnung nicht verfügbar.

Ursache & Lösung 1

Da Daten andere Werte als col1 == 1 haben, ist es seltsam, wenn Sie versuchen, dem DF, das durch col1 == 1 ausgeschnitten wurde, eine neue Spalte hinzuzufügen, eine Kopie und nur col1 == 1 im Voraus Mach einfach einen DF.

Überarbeitet

d = data[data['aa'] == 2].copy()

Ursache & Lösung 2

Verwenden Sie .loc wie im obigen Link unterstützt und aktualisieren Sie nur den entsprechenden Teil.

Überarbeitet

#Setzen Sie den Wert (rechte Seite) in Spalte 3 (neue Spalte), obwohl Spalte 1 die Bedingung 1 erfüllt.
data.loc[data['col1'] == 1, 'col3'] = data['col2'] * 3
#Extrahieren Sie nur den Teil, in dem col1 1 ist, aus den Daten
d = data[data['col1'] == 1]
print('data:\n %s' % data)
print('d:\n%s' % d)

Ergebnis

data:
    col1  col2  col3
0     1     2     6
1     2     3   NaN
2     1     2     6
3     2     3   NaN
d:
   col1  col2  col3
0     1     2     6
2     1     2     6