pandas DataFrame 警告(SettingWithCopyWarning)的解决

刚接触python不久，编程也是三脚猫，所以对常用的这几个工具还没有一个好的使用习惯，毕竟程序语言是头顺毛驴。所以最近在工作中使用的时候在使用pandas的DataFrame时遇到了以下报警：

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

debug了半天，也在网上找了很多，还是没有解决，在报警的那一句调了半天，后来发现主要问题并不是出现在报警的那一句。

给个例子复现一下这个问题：

import pandas as pd
A = pd.DataFrame([[1,2,3],[2,3,4],[3,4,5]], columns = ['a','b','c'])
B = A[['a', 'b']]
B['a'] = B['a'] + 1 # same result by using B.loc[:,'a'] = B.loc[:,'a']+ 1

输出：

A
Out[1]:
a b c
0 1 2 3
1 2 3 4
2 3 4 5

B
Out[2]:
a b
0 1 2
1 2 3
2 3 4

B
Out[3]:
a b
0 2 2
1 3 3
2 4 4

先说一下我的感觉：这个报警主要是说，你当前对B的操作可能会改变另一个DataFrame A，所以你要小心了。（当然实际的警告并不是这个意思，但是“在DataFrame的一个切片的copy上进行操作”我感觉不出来有什么问题，还请大神们解答一下。）

报警出现在第4行，但主要的问题在于第3行：应该使用.loc方法得到新的DataFrame，而不是直接使用[]引用。

C = A.loc[:,['a','b']]
C['a'] = C['a']+1

这样就不会出现报警了。

个人感觉好像是说用.loc是对原有DataFrame的一种复制性引用，而[]的引用则是指针性的引用，和python本身的赋值特性有关。不过我看了A的值也并没有在B被更改时一同被改掉。总之我现在还只是知其然，不知其所以然，希望有大神帮忙解惑。

到此这篇关于pandas DataFrame 警告(SettingWithCopyWarning)的解决就介绍到这了。没有不老的誓言，没有不变的承诺，踏上旅途，义无反顾！更多相关pandas DataFrame 警告(SettingWithCopyWarning)的解决内容请查看相关栏目，小编编辑不易，再次感谢大家的支持！