Try using .loc[row_indexer,col_indexer] = value instead

我不是女神ヾ 2021-11-05 03:24 551阅读 0赞

最近在用pandas处理一些数据，但是在具体的处理过程中出现了以下的问题，具体如图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjU3NTAyMA_size_16_color_FFFFFF_t_70][]

虽然只是一个警告，并不是报错，但是还是要弄明白具体是什么原因造成的。由于本人的英文水平有限只能百度了解这个问题了

这是在警告你类似这种的赋值，请使用.loc方法，理解这个之前还是想介绍一下pandas的视图模式和副本模式。

*  视图模式
    
     *  将一个对象整体赋值给另一个变量
     *  修改一个变量，另一个变量值也会变
     *  多个变量数据指向同一内存数据
 *  副本模式
    
     *  将一个对象查询的一部分值赋值给另一个变量
     *  修改一个变量，另一个变量值不会变

--------------------

*  当将一个对象整体赋值给另一个变量时，**视图模式**，两个变量对应的内存地址相同，修改一个变量，另一个变量也会改变。
 *  当使用copy()将一个对象赋值给另一个变量时
    
     *  或者使用查询赋值，查询数据的一部分并赋值给其他变量
     *  当赋值为原数据查询的一部分时，是**副本模式**，修改一个变量不会影响另一个变量

然后我查了一下网上的资料，发现这个解释是最科学而合理的，在这里分享给大家，其实这是触发的`SettingWithCopyWarning` 的一个警告，那什么是`SettingWithCopyWarning` 警告呢？

## 什么是 SettingWithCopyWarning？ ##

首先要理解的是，`SettingWithCopyWarning` 是一个警告，而不是错误 Error。

错误表明某些内容是“坏掉”的，例如无效语法（invalid syntax）或尝试引用未定义的变量。警告的作用是提醒程序员，他们的代码可能存在潜在的错误或问题，但是这些操作仍然是该编程语言中的合法操作。在这种情况下，警告很可能表明一个严重但不容易意识到的错误。

`SettingWithCopyWarning` 告诉你，你的操作可能没有按预期运行，你应该检查结果以确保没有出错。

如果你的代码仍然按预期工作，那么很容易忽略警告。这不是良好的实践，`SettingWithCopyWarning` **不应该**被忽略。在采取下一步行动之前，花点时间了解为什么会获得这一警告。

要了解 `SettingWithCopyWarning`，首先需要了解 Pandas 中的某些操作可以返回数据的视图（View），而某些其他操作将返回数据的副本（Copy）。

![aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy82MzA2OTA2LTJjOGM0YjY4MDBkYTg0ZTgucG5nP2ltYWdlTW9ncjIvYXV0by1vcmllbnQvc3RyaXAlN0NpbWFnZVZpZXcyLzIvdy85NTgvZm9ybWF0L3dlYnA][]

View VS Copy

如上所示，左侧的视图 `df2` 只是原始 `df1` 一个子集，而右侧的副本创建了一个新的唯一对象 `df2`。

当我们尝试对数据集进行更改时，这可能会导致问题：

![aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy82MzA2OTA2LWVhZTc1Y2JhNWQwMmNlOWYucG5nP2ltYWdlTW9ncjIvYXV0by1vcmllbnQvc3RyaXAlN0NpbWFnZVZpZXcyLzIvdy85NjAvZm9ybWF0L3dlYnA][]

修改视图或副本

根据我们的需求，我们可能想要修改原始 `df1`（左），可能想要修改 `df2`（右）。警告让我们知道，我们的代码可能并没有符合需求，修改的并不是我们想要修改的那个数据集。

我们稍后会深入研究这个问题，但是现在先来了解一下，警告出现的两个主要原因以及如何解决它们。

## 链式赋值（Chained assignment） ##

当 Pandas 检测链式赋值（Chained assignment）时会生成警告。让我们定义一些术语，方便后续的解释：

*  赋值（Assignment） - 设置某些变量值的操作，例如 `data = pd.read_csv('xbox-3-day-auctions.csv')` 。也被称为**设置（set）** 。
 *  访问（Access） - 返回某些值的操作，例如下面的索引和链式索引示例。也被称为**获取（get）** 。
 *  索引（Indexing） - 引用数据子集的任何赋值或访问方法，例如 `data[1:5]` 。
 *  链式索引（Chaining） - 连续使用多个索引操作，例如`data[1:5][1:3]` 。

链式赋值是链式索引和赋值的组合。先快速浏览一下之前加载的数据集，稍后我们将详细介绍这一点。在这个例子中，假设我们了解到用户 `'parakeet2004'` 的 bidderrate 不正确，我们必须修改他的 bidderrate，首先，查看一下当前的值。

data[data.bidder == 'parakeet2004']

我们有三行要更新 `bidderrate` 字段，我们继续往下操作：

data[data.bidder == 'parakeet2004']['bidderrate'] = 100

/Library/Frameworks/Python.framework/Versions/36/lib/python3.6/ipykernel/__main__.py:1:SettingWithCopyWarning: 
    A value is trying to be set on a copy of a slice from aDataFrame.
    Try using .loc[row_indexer,col_indexer] = value instead
    See the caveats in the documentation:http://Pandas.pydata.org/Pandas-docs/stable/indexinghtml#indexing-view-versus-copy
      if __name__ == '__main__':

不好了！我们神奇的造成了 `SettingWithCopyWarning`！

如果检查一下，可以看到在这种情况下，值没有按预期改变：

data[data.bidder == 'parakeet2004']

生成警告是因为我们将两个索引操作链接在一起，我们直接使用了两次方括号，所以这比较容易理解。但如果我们使用其他访问方法，例如 `.bidderrate`、`.loc[]`、`.iloc[]`、`.ix[]`，也是如此，我们的链式操作是：

*  `data[data.bidder == 'parakeet2004']`
 *  `['bidderrate'] = 100`

这两个链式操作一个接一个地独立执行。第一次是访问操作（get），返回一个 `DataFrame`，其中包含所有 `bidder` 等于 `'parakeet2004'` 的行。第二个是赋值操作（set），是在这个新的 `DataFrame` 上运行的，我们压根没有在原始 `DataFrame` 上运行。

这个解决方案很简单：使用 `loc` 将链式操作组合到一个操作中，以便 Pandas 可以确保 set 的是原始 `DataFrame`。Pandas 会始终确保下面这样的非链式 set 操作起作用。

# 设置新值 data.loc[data.bidder == 'parakeet2004', 'bidderrate'] = 100 # 检查结果 data[data.bidder == 'parakeet2004']['bidderrate']

6 100 7 100 8 100 Name: bidderrate, dtype: int64

这就是警告中建议我们做的操作，在这种情况下它完美地适用。

## 隐蔽的链式操作（Hidden chaining） ##

现在来看一下遇到 `SettingWithCopyWarning` 的第二种最常见的方式。我们来探索中标者的数据，我们将为此创建一个新的 DataFrame，现在已经学习了关于链式赋值的内容，因此请注意使用 `loc` 。

winners = data.loc[data.bid == data.price] winners.head()

<table> 
 <thead> 
  <tr> 
   <th>&nbsp;</th> 
   <th>auctionid</th> 
   <th>bid</th> 
   <th>bidtime</th> 
   <th>bidder</th> 
   <th>bidderrate</th> 
   <th>openbid</th> 
   <th>price</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>3</td> 
   <td>8213034705</td> 
   <td>117.5</td> 
   <td>2.998947</td> 
   <td>daysrus</td> 
   <td>10</td> 
   <td>95.00</td> 
   <td>117.5</td> 
  </tr> 
  <tr> 
   <td>25</td> 
   <td>8213060420</td> 
   <td>120.0</td> 
   <td>2.999722</td> 
   <td>djnoeproductions</td> 
   <td>17</td> 
   <td>1.00</td> 
   <td>120.0</td> 
  </tr> 
  <tr> 
   <td>44</td> 
   <td>8213067838</td> 
   <td>132.5</td> 
   <td>2.996632</td> 
   <td><code>*</code>champaignbubbles<code>*</code></td> 
   <td>202</td> 
   <td>29.99</td> 
   <td>132.5</td> 
  </tr> 
  <tr> 
   <td>45</td> 
   <td>8213067838</td> 
   <td>132.5</td> 
   <td>2.997789</td> 
   <td><code>*</code>champaignbubbles<code>*</code></td> 
   <td>202</td> 
   <td>29.99</td> 
   <td>132.5</td> 
  </tr> 
  <tr> 
   <td>66</td> 
   <td>8213073509</td> 
   <td>114.5</td> 
   <td>2.999236</td> 
   <td>rr6kids</td> 
   <td>4</td> 
   <td>1.00</td> 
   <td>114.5</td> 
  </tr> 
 </tbody> 
</table>

我们可能会使用 `winners` 变量编写一些后续的代码行。

mean_win_time = winners.bidtime.mean() ... # 20 lines of code mode_open_bid = winners.openbid.mode()

偶然的机会，我们在该 `DataFrame` 发现了另一个错误：标记为 `304` 的行中缺少了 `bidder` 值。

winners.loc[304, 'bidder']

nan

对这个例子来说，假设我们知道这个投标人的真实用户名，并以此更新数据：

winners.loc[304, 'bidder'] = 'therealname'

/Library/Frameworks/Python.framework/Versions/36/lib/python3.6/Pandas/core/indexing.py:517:SettingWithCopyWarning: 
    A value is trying to be set on a copy of a slice from aDataFrame.
    Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: [http://Pandas.pydata.org/Pandas-docs/stable/indexing.html\#indexing-view-versus-copy][http_Pandas.pydata.org_Pandas-docs_stable_indexing.html_indexing-view-versus-copy] self.obj\[item\] = s

另一个 `SettingWithCopyWarning`！但我们使用了 `loc`，这又是怎么回事？为了研究这一点，我们来看看代码的结果：

print(winners.loc[304, 'bidder'])

therealname

代码按预期工作了，为什么我们还是得到警告？

链式索引可能跨越两行代码发生，也可能在一行代码内发生。因为 `winners` 是作为 get 操作的输出创建的（`data.loc[data.bid == data.price]`），它可能是原始 `DataFrame` 的副本，也可能不是，但除非我们检查，否则我们不能了解到。当我们对 `winners` 进行索引时，我们实际上使用的是链式索引。

这意味着当我们尝试修改 `winners` 时，我们可能也修改了 `data`。

在实际的代码中，这些行可能会跨越很大的距离，因此追踪问题可能会更困难，但情况是与示例类似的。

为了防止这种情况下的警告，解决方案是在创建新 DataFrame 时明确告知 Pandas 制作一个副本：

winners = data.loc[data.bid == data.price].copy() winners.loc[304, 'bidder'] = 'therealname' print(winners.loc[304, 'bidder']) print(data.loc[304, 'bidder'])

therealname nan

就这么简单！

窍门就是，学会识别链式索引，不惜一切代价避免使用链式索引。如果要更改原始数据，请使用单一赋值操作。如果你想要一个副本，请确保你强制让 Pandas 制作副本。这样可以节省时间，也可以使代码保持严密的逻辑。

另外请注意，即使 `SettingWithCopyWarning` 只在你进行 set 时才会发生，但在进行 get 操作时，最好也避免使用链式索引。链式操作较慢，而且只要你稍后决定进行赋值操作，就会导致问题。

## 处理 SettingWithCopyWarning 的提示和技巧 ##

在我们进行下面更深入的分析之前，让我们“拿出显微镜”，看看 `SettingWithCopyWarning` 的更多细节。

### 关闭警告 ###

首先，如果不讨论如何明确地控制 `SettingWithCopy` 设置，那么本文则不完整。Pandas 的 `mode.chained_assignment` 选项可以采用以下几个值之一：

*  `'raise'` - 抛出异常（exception）而不是警告
 *  `'warn'` - 生成警告（默认）
 *  `None` - 完全关闭警告

例如，如果要关闭警告：

pd.set_option('mode.chained_assignment', None) data[data.bidder == 'parakeet2004']['bidderrate'] = 100

因为这样没有给我们任何警告，除非你完全了解自己在做什么，否则不建议这样做。如果你对想要实现的操作有任何一丁点的疑问，关闭警告都不被推荐。有些开发者非常重视 `SettingWithCopy` 甚至选择将其提升为异常，如下所示：

pd.set_option('mode.chained_assignment', 'raise') data[data.bidder == 'parakeet2004']['bidderrate'] = 100

---------------------------------------------------------------------------
    SettingWithCopyError                      Traceback (most recent call last)
    <ipython-input-13-80e3669cab86> in <module>()
          1 pd.set_option('mode.chained_assignment', 'raise')
    ----> 2 data[data.bidder == 'parakeet2004']['bidderrate'] = 100

/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/Pandas/core/frame.py in **setitem**(self, key, value) 2427 else: 2428 \# set column -> 2429 self.\_set\_item(key, value) 2430 2431 def \_setitem\_slice(self, key, value):

/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/Pandas/core/frame.py in \_set\_item(self, key, value) 2500 \# value exception to occur first 2501 if len(self): -> 2502 self.\_check\_setitem\_copy() 2503 2504 def insert(self, loc, column, value, allow\_duplicates=False):

/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/Pandas/core/generic.py in \_check\_setitem\_copy(self, stacklevel, t, force) 1758 1759 if value == ‘raise’: -> 1760 raise SettingWithCopyError(t) 1761 elif value == ‘warn’: 1762 warnings.warn(t, SettingWithCopyWarning, stacklevel=stacklevel)

SettingWithCopyError: 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

如果你正在与缺乏经验的 Pandas 开发人员合作开发项目，或者正在开发需要高度严谨的项目，这可能特别有用。

使用此设置的更精确方法是使用 [上下文管理器 context manager][context manager] 。

# resets the option we set in the previous code segment pd.reset_option('mode.chained_assignment')

with pd.option\_context(‘mode.chained\_assignment’, None): data\[data.bidder == ‘parakeet2004’\]\[‘bidderrate’\] = 100

正如你所看到的，这种方法可以实现针对性的警告设置，而不是影响整个环境。

### is\_copy 属性 ###

避免警告的另一个技巧是修改 Pandas 用于解释 `SettingWithCopy` 的工具之一。每个 `DataFrame` 都有一个 `is_copy` 属性，默认情况下为 `None`，但如果它是副本，则会使用 [`weakref`][weakref] 引用原始 `DataFrame` 。通过将 `is_copy` 设置为 `None`，可以避免生成警告。

winners = data.loc[data.bid == data.price] winners.is_copy = None winners.loc[304, 'bidder'] = 'therealname'

但是请注意，这**并不会**奇迹般地解决问题，反而会使错误检测变得非常困难。

### 单类型 VS 多类型对象 ###

值得强调的另一点是单类型对象和多类型对象之间的差异。如果 `DataFrame` 所有列都具有相同的 dtype，则它是单类型的，例如：

import numpy as np

single\_dtype\_df = pd.DataFrame(np.random.rand(5,2), columns=list(‘AB’)) print(single\_dtype\_df.dtypes) single\_dtype\_df

A float64 B float64 dtype: object

如果 `DataFrame` 的列不是全部具有相同的 dtype，那么它是多类型的，例如：

multiple_dtype_df = pd.DataFrame({'A': np.random.rand(5),'B': list('abcde')}) print(multiple_dtype_df.dtypes) multiple_dtype_df

A float64 B object dtype: object

由于下面**历史**部分中所述的原因，对多类型对象的索引 get 操作将始终返回副本。然而，为了提高效率，索引器对单类型对象的操作几乎总是返回一个视图，这里需要注意的是，这取决于对象的内存布局，并不能完全保证。

### 误报 ###

误报，即无意中报告链式赋值的情况，曾经在早期版本的 Pandas 中比较常见，但此后大部分都被解决了。为了完整起见，在此处包括一些已修复的误报示例也是有用的。如果你在使用早期版本的 Pandas 时遇到以下任何情况，则可以安全地忽略或抑制警告（或通过升级完全避免警告！）

使用当前列的值，将新列添加到 `DataFrame` 会[生成警告][Link 1]，但这已得到修复。

data['bidtime_hours'] = data.bidtime.map(lambda x: x * 24) data.head(2)

当在一个 `DataFrame` 切片上使用 `apply` 方法进行设置时，[也会出现误报][Link 2]，不过这也已得到修复。

data.loc[:, 'bidtime_hours'] = data.bidtime.apply(lambda x: x * 24) data.head(2)

最后，直到 0.17.0 版本前，[`DataFrame.sample`][DataFrame.sample] 方法中存在一个错误，导致 `SettingWithCopy` 警告误报。现在，`sample` 方法每次都会返回一个副本。

sample = data.sample(2) sample.loc[:, 'price'] = 120 sample.head()

## 链式赋值深度解析 ##

让我们重用之前的例子：试图更新 `data` 中 `bidder` 值为 `'parakeet2004'` 的所有行的 `bidderrate` 字段。

data[data.bidder == 'parakeet2004']['bidderrate'] = 100

/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/ipykernel/__main__.py:1: 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

Pandas 用这个 `SettingWithCopyWarning` 告诉我们的是，代码的行为是模棱两可的，但要理解为什么这样做以及警告的措辞，以下概念将会有所帮助。

我们之前简要地谈过了视图（View）和副本（Copy）。有两种方法可以访问 `DataFrame` 的子集：可以创建对内存中原始数据的引用（视图），也可以将子集复制到新的较小的 `DataFrame` 中（副本）。视图是查看 **原始** 数据特定部分的一种方式，而副本是将该数据**克隆**到内存中的新位置。正如我们之前的图表所示，修改视图将修改原始变量，但修改副本则不会。

由于某些我们将在稍后介绍的原因，Pandas 中 get 操作的输出无法保证。索引 Pandas 数据结构时，视图或副本都可能被返回，这意味着对某一 `DataFrame` 进行 get 操作返回一个新的 `DataFrame` ，这个新的数据可能是：

*  来自原始对象的数据副本。
 *  没有复制，而是直接对原始对象的引用。

因为我们不知道将会发生什么，并且每种可能性都有非常不同的行为，所以忽略警告就是“玩火”。

为了更清楚地解释视图、副本和其中的歧义，让我们创建一个简单的 `DataFrame` 并对其进行索引：

df1 = pd.DataFrame(np.arange(6).reshape((3,2)), columns=list('AB')) df1

将 `df1` 的子集赋值给 `df2`：

df2 = df1.loc[:1] df2

根据刚才学到的知识，我们知道 `df2` 可能是 `df1` 的视图或 `df1` 子集的副本。

在解决问题之前，我们还需要再看一下链式索引。扩展一下 `'parakeet2004'` 示例，我们将两个索引操作链接在一起：

data[data.bidder == 'parakeet2004'] __intermediate__['bidderrate'] = 100

`__intermediate__` 表示第一个调用的输出，对我们是完全不可见的。请记住，如果我们使用了属性访问，会得到相同的有问题的结果：

data[data.bidder == 'parakeet2004'].bidderrate = 100

这同样适用于任何其他形式的链式调用，**因为我们正在生成中间对象** 。

在底层代码中，链式索引意味着对 `__getitem__` 或 `__setitem__` 进行多次调用以完成单个操作。这些是 [特殊的 Python 方法][Python]，通过在实现它们的类的实例上使用方括号，可以调用这些方法，这是[语法糖][Link 3]的一种示例。让我们看一下 Python 解释器如何执行我们示例中的内容。

# Our code data[data.bidder == 'parakeet2004']['bidderrate'] = 100

\# Code executed data.**getitem**(data.**getitem**(‘bidder’) == ‘parakeet2004’).**setitem**(‘bidderrate’, 100)

正如你可能已经意识到的那样，`SettingWithCopyWarning` 是由此链式 `__setitem__` 调用生成的。你可以自己尝试一下 - 上面这些代码的功能相同。为清楚起见，请注意第二个 `__getitem__` 调用（对 `bidder` 列）是嵌套的，而不是链式问题的所有部分。

通常，如上面所述，Pandas 不保证 get 操作是返回视图还是副本。如果在我们的示例中返回了一个视图，则链式赋值中的第二个表达式将是对原始对象 `__setitem__` 的调用。但是，如果返回一个副本，那么将被修改的是副本 - 原始对象不会被修改。

这就是警告中 “a value is trying to be set on a copy of a slice from a DataFrame” 的含义。由于没有对此副本的引用，它最终将被[回收][Link 4] 。`SettingWithCopyWarning` 让我们知道 Pandas 无法确定第一个 `__getitem__` 调用是否返回了视图或副本，因此不清楚该赋值是否更改了原始对象。换一种说法就是：“我们是否正在修改原始数据？”这一问题的答案是未知的。

如果我们确实想要修改原始文件，警告建议的解决方案是使用 `loc` 将这两个单独的链式操作转换为单个赋值操作。这样我们的代码中没有了链式索引，就不会再收到警告。我们修改后的代码及其扩展版本如下所示：

# Our code data.loc[data.bidder == 'parakeet2004', 'bidderrate'] = 100

\# Code executed data.loc.**setitem**((data.**getitem**(‘bidder’) == ‘parakeet2004’, ‘bidderrate’), 100)

DataFrame 的 `loc` 属性保证是原始 `DataFrame` 本身，具有扩展的索引功能。

### 假阴性（False negatives） ###

使用 `loc` 并没有结束我们的问题，因为使用 `loc` 的 get 操作仍然可以返回一个视图或副本。让我们快速过一下，一个有点复杂的例子。

data.loc[data.bidder == 'parakeet2004', ('bidderrate', 'bid')]

<table> 
 <thead> 
  <tr> 
   <th>&nbsp;</th> 
   <th>bidderrate</th> 
   <th>bid</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>6</td> 
   <td>100</td> 
   <td>3.00</td> 
  </tr> 
  <tr> 
   <td>7</td> 
   <td>100</td> 
   <td>10.00</td> 
  </tr> 
  <tr> 
   <td>8</td> 
   <td>100</td> 
   <td>24.99</td> 
  </tr> 
 </tbody> 
</table>

我们这次拉出了两列而不是一列。让我们尝试 set 所有的 `bid` 值。

data.loc[data.bidder == 'parakeet2004', ('bidderrate', 'bid')]['bid'] = 5.0 data.loc[data.bidder == 'parakeet2004', ('bidderrate', 'bid')]

没有效果，也没有警告！我们在切片的副本上 set 了一个值但是 Pandas 没有检测到它 - 这就是假阴性。这是因为，使用 `loc` 之后并不意味着我们可以再次使用链式赋值。这个特定的 bug，有一个未解决的 [GitHub issue][] 。

正确的解决方法如下：

data.loc[data.bidder == 'parakeet2004', 'bid'] = 5.0 data.loc[data.bidder == 'parakeet2004', ('bidderrate', 'bid')]

<table> 
 <thead> 
  <tr> 
   <th>&nbsp;</th> 
   <th>bidderrate</th> 
   <th>bid</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>6</td> 
   <td>100</td> 
   <td>5</td> 
  </tr> 
  <tr> 
   <td>7</td> 
   <td>100</td> 
   <td>5</td> 
  </tr> 
  <tr> 
   <td>8</td> 
   <td>100</td> 
   <td>5</td> 
  </tr> 
 </tbody> 
</table>

你可能怀疑，是否有人会在实践中遇到这样的问题。其实这比你想象的更容易出现。当我们像下一节中这样做：将 `DataFrame` 查询的结果赋值给变量。

### 隐藏的链式索引 ###

让我们再看一下之前隐藏的链式索引示例，我们试图设置 `winners` 变量中，标记为 `304` 行的 `bidder` 字段。

winners = data.loc[data.bid == data.price] winners.loc[304, 'bidder'] = 'therealname'

/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/Pandas/core/indexing.py:517: 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

我们得到了另一个 `SettingWithCopyWarning` 尽管我们使用了 `loc` 。这个问题可能令人非常困惑，因为警告信息建议我们的方法，我们已经做过了。

不过，想一下 `winners` 变量。它究竟是什么？由于我们通过 `data.loc[data.bid == data.price]` 将它初始化，我们无法知道它是原始 `data` `DataFrame` 的视图还是副本（因为 get 操作返回视图或副本）。将初始化与生成警告的行组合在一起可以清楚地表明我们的错误。

data.loc[data.bid == data.price].loc[304, 'bidder'] = 'therealname'

我们再次使用了链式赋值，只是这次它被分在了两行代码中。思考这个问题的另一种方法是，问一个问题“这个操作会修改一个对象，还是两个对象？”在我们的示例中，答案是未知的：如果 `winners` 是副本，那么只有 `winners` 受到影响，但如果是视图，则 `winners` 和 `data` 都将被更新。这种情况可能发生在脚本或代码库中相距很远的行之间，这使问题很难被追根溯源。

此处警告的意图是让我们意识到，我们以为代码将修改原始 `DataFrame` ，实际没有修改成功，或者说我们将修改副本而不是原始数据。[深入研究 Pandas GitHub repo 中的 issue，你可以看到开发人员自己对这个问题的解释。][Pandas GitHub repo _ issue]

如何解决这个问题在很大程度上取决于我们自己的意图。如果我们想要使用原始数据的副本，解决方案就是强制 Pandas 制作副本。

winners = data.loc[data.bid == data.price].copy() winners.loc[304, 'bidder'] = 'therealname'

print(data.loc\[304, ‘bidder’\]) \# Original print(winners.loc\[304, ‘bidder’\]) \# Copy

nan therealname

另一方面，如果你需要更新原始 `DataFrame` ，那么你应该使用原始 `DataFrame` 而不是重新赋值一些具有未知行为的其他变量。我们之前的代码将修改为：

# Finding the winners winner_mask = data.bid == data.price

\# Taking a peek data.loc\[winner\_mask\].head()

\# Doing analysis mean\_win\_time = data.loc\[winner\_mask, ‘bidtime’\].mean() … \# 20 lines of code mode\_open\_bid = data.loc\[winner\_mask, ‘openbid’\].mode()

\# Updating the username data.loc\[304, ‘bidder’\] = ‘therealname’

在更复杂的情况下，例如修改 `DataFrame` 子集的子集，不要使用链式索引，可以在原始 `DataFrame` 上通过 `loc` 进行修改。例如，你可以更改上面的新 `winner_mask` 变量或创建一个选择中标者子集的新变量，如下所示：

high_winner_mask = winner_mask & (data.price > 150) data.loc[high_winner_mask].head()

<table> 
 <thead> 
  <tr> 
   <th>&nbsp;</th> 
   <th>auctionid</th> 
   <th>bid</th> 
   <th>bidtime</th> 
   <th>bidder</th> 
   <th>bidderrate</th> 
   <th>openbid</th> 
   <th>price</th> 
   <th>bidtime_hours</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>225</td> 
   <td>8213387444</td> 
   <td>152.0</td> 
   <td>2.919757</td> 
   <td>uconnbabydoll1975</td> 
   <td>15</td> 
   <td>0.99</td> 
   <td>152.0</td> 
   <td>70.074168</td> 
  </tr> 
  <tr> 
   <td>328</td> 
   <td>8213935134</td> 
   <td>207.5</td> 
   <td>2.983542</td> 
   <td>toby2492</td> 
   <td>0</td> 
   <td>0.10</td> 
   <td>207.5</td> 
   <td>71.605008</td> 
  </tr> 
  <tr> 
   <td>416</td> 
   <td>8214430396</td> 
   <td>199.0</td> 
   <td>2.990463</td> 
   <td>volpendesta</td> 
   <td>4</td> 
   <td>9.99</td> 
   <td>199.0</td> 
   <td>71.771112</td> 
  </tr> 
  <tr> 
   <td>531</td> 
   <td>8215582227</td> 
   <td>152.5</td> 
   <td>2.999664</td> 
   <td>ultimatum_man</td> 
   <td>2</td> 
   <td>60.00</td> 
   <td>152.5</td> 
   <td>71.991936</td> 
  </tr> 
 </tbody> 
</table>

这种技术会使得未来的代码库维护和扩展更加稳健。

## 历史 ##

你可能想知道为什么要造成这么混乱的现状，为什么不明确指定索引方法是返回视图还是副本，来完全避免 `SettingWithCopy` 问题。要理解这一点，我们必须研究 Pandas 的过去。

Pandas 确定返回一个视图还是一个副本的逻辑，源于它对 NumPy 库的使用，这是 Pandas 库的基础。视图实际上是通过 NumPy 进入 Pandas 的词库的。实际上，视图在 NumPy 中很有用，因为它们能够可预测地返回。由于 NumPy 数组是单一类型的，因此 Pandas 尝试使用最合适的 [dtype][] 来最小化内存处理需求。因此，包含单个 dtype 的 `DataFrame` 切片可以作为单个 NumPy 数组的视图返回，这是一种高效处理方法。但是，多类型的切片不能以相同的方式存储在 NumPy 中。Pandas 兼顾多种索引功能，并且保持高效地使用其 NumPy 内核的能力。

最终，Pandas 中的索引被设计为有用且通用的方式，其核心并不完全与底层 NumPy 数组的功能相结合。随着时间的推移，这些设计和功能元素之间的相互作用，导致了一组复杂的规则，这些规则决定了返回视图还是副本。经验丰富的 Pandas 开发者通常都很满意 Pandas 的做法，因为他们可以轻松地浏览其索引行为。

不幸的是，对于 Pandas 的新手来说，链式索引几乎是不可避免的，因为 get 操作返回的就是可索引的 Pandas 对象。此外，用 Pandas 的核心开发人员之一 [Jeff Reback 的话来说][Jeff Reback]，“从语言的角度来看，直接检测链式索引是不可能的，必须经过推断才能了解”。

因此，在 2013 年底的 [0.13.0 版本][0.13.0]中引入了警告，作为许多开发者遇到链式赋值导致的[无声失败][Link 5]的解决方案。

在 0.12 版本之前，[`ix` 索引器][ix]是最受欢迎的（在 Pandas 术语中，“索引器”比如 `ix`，`loc` 和 `iloc`，是一种简单的结构，允许使用方括号来索引对象，就像数组一样，但具有一些特殊的用法）。但是大约[在 2013 年中][2013] ，Pandas 项目开始意识到日益增加的新手用户的重要性，有动力开始提高新手用户的使用体验。自从此版本发布以来，`loc` 和 `iloc` 索引器因其更明确的性质和更易于解释的用法而受到青睐。（*译者注：pandas v0.23.3 (July 7, 2018)，其中 `ix` 方法已经被弃用*）

Google Trends: Pandas

`SettingWithCopyWarning` 在推出后持续改进，多年来在许多 GitHub issue 中得到了[热烈的讨论][Link 6] ，甚至还在[不断更新][Link 7] ，但是要理解它，仍然是成为 Pandas 专家的关键。

## 总结 ##

`SettingWithCopyWarning` 的基础复杂性是 Pandas 库中为数不多的坑。这个警告的源头深深嵌在库的底层中，不应被忽视。Jeff Reback [自己的话][Link 8] ，“我没有找到任何你应该忽略这个警告的情况。如果你做某些类型的索引时不起作用，而其他情况下起作用，你是在玩火。”

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjU3NTAyMA_size_16_color_FFFFFF_t_70]: /images/20211104/a72335e7fe744fa9aa1565dba11555a4.png
[aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy82MzA2OTA2LTJjOGM0YjY4MDBkYTg0ZTgucG5nP2ltYWdlTW9ncjIvYXV0by1vcmllbnQvc3RyaXAlN0NpbWFnZVZpZXcyLzIvdy85NTgvZm9ybWF0L3dlYnA]: /images/20211104/f2896cd9c6cd4466936cae08eb58815d.png
[aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy82MzA2OTA2LWVhZTc1Y2JhNWQwMmNlOWYucG5nP2ltYWdlTW9ncjIvYXV0by1vcmllbnQvc3RyaXAlN0NpbWFnZVZpZXcyLzIvdy85NjAvZm9ybWF0L3dlYnA]: /images/20211104/01b4ee6d2fa64b9e88b10c22eb372118.png
[http_Pandas.pydata.org_Pandas-docs_stable_indexing.html_indexing-view-versus-copy]: http://pandas.pydata.org/Pandas-docs/stable/indexing.html#indexing-view-versus-copy
[context manager]: https://jeffknupp.com/blog/2016/03/07/python-with-context-managers/
[weakref]: https://docs.python.org/3/library/weakref.html
[Link 1]: https://stackoverflow.com/q/42105859/604687
[Link 2]: https://stackoverflow.com/q/42190175/604687
[DataFrame.sample]: http://pandas.pydata.org/Pandas-docs/stable/generated/Pandas.DataFrame.sample.html
[Python]: https://docs.python.org/3/reference/datamodel.html#special-method-names
[Link 3]: https://en.wikipedia.org/wiki/Syntactic_sugar
[Link 4]: https://en.wikipedia.org/wiki/Garbage_collection_%28computer_science%29
[GitHub issue]: https://github.com/Pandas-dev/Pandas/issues/9767
[Pandas GitHub repo _ issue]: https://github.com/Pandas-dev/Pandas/issues/6757#issuecomment-39204438
[dtype]: https://docs.scipy.org/doc/numpy/reference/arrays.dtypes.html
[Jeff Reback]: https://github.com/Pandas-dev/Pandas/issues/10954#issuecomment-136446453
[0.13.0]: https://github.com/Pandas-dev/Pandas/pull/5390
[Link 5]: https://stackoverflow.com/q/16553298/604687
[ix]: http://pandas.pydata.org/Pandas-docs/version/0.19.2/generated/Pandas.DataFrame.ix.html
[2013]: http://pandas.pydata.org/Pandas-docs/version/0.12.0/release.html
[Link 6]: https://github.com/Pandas-dev/Pandas/issues/10954
[Link 7]: http://pandas.pydata.org/Pandas-docs/stable/whatsnew.html?highlight=settingwithcopywarning
[Link 8]: https://github.com/Pandas-dev/Pandas/issues/8730#issuecomment-61717234