即使使用 .loc[row_indexer,col_indexer] = value，SettingWithCopyWarning

问题描述：

这是我的代码中的其中一行SettingWithCopyWarning：

value1['Total Population']=value1['Total Population'].replace(to_replace='*', value=4)

然后我将其改为：

row_index= value1['Total Population']=='*'
value1.loc[row_index,'Total Population'] = 4

仍然会出现相同的警告。我该如何消除它？

另外，我使用过convert_objects(convert_numeric=True)函数时也收到同样的警告，有什么方法可以避免这种情况吗？

 value1['Total Population'] = value1['Total Population'].astype(str).convert_objects(convert_numeric=True)

这是我收到的警告信息：

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 

解决方案 1：

如果使用.loc[row, column]仍然出现相同错误，则可能是因为复制了另一个数据框。您必须使用.copy()。

这是一步一步的错误重现：

import pandas as pd

d = {'col1': [1, 2, 3, 4], 'col2': [3, 4, 5, 6]}
df = pd.DataFrame(data=d)
df
#   col1    col2
#0  1   3
#1  2   4
#2  3   5
#3  4   6

创建新列并更新其值：

df['new_column'] = None
df.loc[0, 'new_column'] = 100
df
#   col1    col2    new_column
#0  1   3   100
#1  2   4   None
#2  3   5   None
#3  4   6   None

我没有收到任何错误。但是，让我们根据前一个数据框创建另一个数据框：

new_df = df.loc[df.col1>2]
new_df
#col1   col2    new_column
#2  3   5   None
#3  4   6   None

现在，使用.loc，我将尝试以相同的方式替换一些值：

new_df.loc[2, 'new_column'] = 100

然而，我再次收到了这个令人憎恶的警告：

尝试在 DataFrame 切片的副本上设置值。请尝试使用 .loc[row_indexer,col_indexer] = value

请参阅文档中的注意事项：
https ://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy

解决方案

在创建新数据框时使用.copy()将解决警告：

new_df_copy = df.loc[df.col1>2].copy()
new_df_copy.loc[2, 'new_column'] = 100

现在，您将不会收到任何警告！

如果您的数据框是使用另一个数据框之上的过滤器创建的，请始终使用.copy()。

解决方案 2：

您是否尝试过直接设置？：

value1.loc[value1['Total Population'] == '*', 'Total Population'] = 4

解决方案 3：

我不知道这对数据存储/内存的影响有多严重，但它每次都会为你的平均数据帧修复这个问题：

def addCrazyColFunc(df):
    dfNew = df.copy()
    dfNew['newCol'] = 'crazy'
    return dfNew

就像消息中说的那样... 复制一份就可以了。如果有人可以在没有复制的情况下修复上述问题，请发表评论。上述所有 loc 内容在这种情况下都不起作用。

解决方案 4：

我来这里是因为我想根据另一列中的值有条件地设置新列的值。

对我有用的是numpy.where：

import numpy as np
import pandas as pd
...

df['Size'] = np.where((df.value > 10), "Greater than 10", df.value)

从numpy docs来看，这相当于：

[xv if c else yv
 for c, xv, yv in zip(condition, x, y)]

这是 zip 的一个非常好的用法...

解决方案 5：

这是关于源 df 是否在使用切片索引的副本更新中更新的警告。如果是副本更新，请尝试pd.set_option('mode.chained_assignment', None) 在出现警告的行之前添加

df_value = pd.DataFrame({ 'Total Population':['a','b','c','*'] })
value1 = df_value[ df_value['Total Population']=='*']

pd.set_option('mode.chained_assignment',  None) # <=== SettingWithCopyWarning Off

row_index = value1['Total Population']=='*'
value1.loc[row_index,'Total Population'] = 44

pd.set_option('mode.chained_assignment',  'warn') # <=== SettingWithCopyWarning Default

解决方案 6：

我能够使用如下语法来避免相同的警告信息：

value1.loc[:, 'Total Population'].replace('*', 4)

请注意，数据框不需要重新分配给自身，即value1['Total Population']=value1['Total Population']...

解决方案 7：

得到解决方案：

我创建了一个新的 DataFrame 并仅存储了我需要处理的列的值，现在它没有给我任何错误！

很奇怪，但是有效。

解决方案 8：

指定它是副本对我来说是有效的。我刚刚.copy()在声明的末尾添加了

value1['Total Population'] = value1['Total Population'].replace(to_replace='*', value=4).copy()

解决方案 9：

这应该可以解决你的问题：

value1[:, 'Total Population'] = value1[:, 'Total Population'].replace(to_replace='*', value=4)