当前位置：极客教程 > Pandas > Pandas 问答 > Pandas 正确设置新列的方法，避免SettingWithCopyWarning警告

Pandas 正确设置新列的方法，避免SettingWithCopyWarning警告

Pandas 正确设置新列的方法，避免SettingWithCopyWarning警告

在本文中，我们将介绍如何使用正确的方法设置新列，以避免在Pandas中遇到SettingWithCopyWarning警告。

阅读更多：Pandas 教程

背景

在Pandas中创建新列时，经常会遇到SettingWithCopyWarning警告。这个警告意味着变量被复制了，而不是按预期的方式分配新值。这通常会导致出现意外的结果和错误。

以下示例将演示如何使用不同方法创建新列：

import pandas as pd

df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = df1[df1['A'] > 1]
df2['C'] = 10
df2.loc[df2['B'] > 5, 'C'] = 20

df3 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df4 = df3[df3['A'] > 1].copy()
df4['C'] = 10
df4.loc[df4['B'] > 5, 'C'] = 20

print("df1:\n", df1)
print("df2:\n", df2)
print("df3:\n", df3)
print("df4:\n", df4)
Python

输出：

<ipython-input-2-cc41fd5b8b7f>: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 caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  df2['C'] = 10
<ipython-input-2-cc41fd5b8b7f>:6: 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: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  df2.loc[df2['B'] > 5, 'C'] = 20
df1:
    A  B
0  1  4
1  2  5
2  3  6
df2:
    A  B   C
1  2  5  10
2  3  6  20
df3:
    A  B
0  1  4
1  2  5
2  3  6
df4:
   A  B   C
1  2  5  10
2  3  6  20
Python

可以看出，df2和df4的结果是一样的，但df2会产生警告。这是因为df2是通过获取原始数据的切片而创建的，而df4是通过复制数据创建的。

方法

为了避免SettingWithCopyWarning，应使用以下两种方法之一：

方法一：使用.loc

.loc是Pandas中推荐的选择，因为它会明确地分配新值。

示例：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df.loc[df['A'] > 1, 'C'] = 10
df.loc[(df['A'] > 1) & (df['B'] > 5), 'C'] = 20
print(df)
Python

输出：

   A  B     C
0  1  4   NaN
1  2  5  10.0
2  3  6  20.0
Python

方法二：使用.copy()

使用.copy()方法可以创建副本。这种情况下，更改将在副本中进行，并且原始DataFrame不受影响。

示例：

import pandas aspd

df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = df1[df1['A'] > 1].copy()
df2['C'] = 10
df2.loc[df2['B'] > 5, 'C'] = 20
print("df1:\n", df1)
print("df2:\n", df2)
Python

输出：

df1:
    A  B
0  1  4
1  2  5
2  3  6
df2:
   A  B   C
1  2  5  10
2  3  6  20
Python

补充说明

  1. 如果您在嵌套方式中使用切片，在这种情况下，Pandas可能无法识别访问数据的方式并产生警告。因此，应该始终明确地使用.loc。

  2. 如果您在复制数据上进行修改，并且对原始数据没有影响，则可以使用.copy()。

总结

在Pandas中，应始终使用 .loc 和 .copy()，以避免出现SettingWithCopyWarning。这两种方法可以帮助您确定数据是否是副本或视图，并使代码更简洁、易于理解和维护。

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

Pandas 精品教程

登录

找回密码？

注册