Aktion mit Pandas SettingWithCopyWarning

Question

ich delete einige Spalte versuchen und einen Wert in der Spalte mit

df2.drop(df2.columns[[0, 1, 3]], axis=1, inplace=True) 
df2['date'] = df2['date'].map(lambda x: str(x)[1:]) 
df2['date'] = df2['date'].str.replace(':', ' ', 1) 
df2['date'] = pd.to_datetime(df2['date']) 

und all diese Zeichenfolge zu konvertieren bekomme ich

df2.drop(df2.columns[[0, 1, 3]], axis=1, inplace=True) 
C:/Users/����� �����������/Desktop/projects/youtube_log/filter.py:11: 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 

Was Problem gibt es?

Answer 1

Ihr df2 ist ein Stück eines anderen Datenrahmens. Sie müssen kopieren Sie es explizit mit df2 = df2.copy() kurz vor Ihrem Versuch zu drop

Betrachten Sie die folgende Datenrahmen:

import pandas as pd 
import numpy as np 


df1 = pd.DataFrame(np.arange(20).reshape(4, 5), list('abcd'), list('ABCDE')) 

df1 

Lassen Sie mich ein Stück df1-df2 zuordnen

df2 = df1[['A', 'C']] 

df2 ist jetzt ein Stück df1 und sollte diese nervtötenden SettingWithCopyWarning 's auslösen, wenn wir versuchen, Dinge in df2 zu ändern. Lass uns einen Blick darauf werfen.

df2.drop('c') 

Keine Probleme. Wie wäre es:

df2.drop('c', inplace=True) 

Es gibt es:

Das Problem ist, dass Pandas effizient zu sein versucht und verfolgt, dass df2 auf die gleichen Daten wie df1 zeigt. Es bewahrt diese Beziehung. Die Warnung sagt Ihnen, dass Sie nicht versuchen sollten, sich mit dem ursprünglichen Datenrahmen über den Slice zu befassen.

Beachten Sie, dass die Zeile "c" gelöscht wurde, wenn wir df2 betrachten.

df2 

und Blick auf df1 sehen wir, dass Zeile 'c' ist immer noch da.

df1 

pandas gemacht Kopie df2 dann row 'c' fallen gelassen. Dies ist möglicherweise nicht konsistent mit dem, was unsere Absicht in Betracht gezogen haben könnte. Wir haben df2 ein Stück davon gemacht und zeigen auf dieselben Daten wie df1. Pandas warnen uns.

Um die Warnung nicht zu sehen, erstellen Sie die Kopie selbst.

df2 = df2.copy() 
# or 
df2 = df1[['A', 'C']].copy()