时间戳

首页 > 解决方案 > 创建一个新列但创建数据框的副本

python - 创建一个新列但创建数据框的副本

问题描述

我想检查上面行的值，看看它与当前行相同。我在这里找到了一个很好的答案：df['match'] = df.col1.eq(df.col1.shift())这col1就是您要比较的。

但是，当我尝试它时，我收到了SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame.警告。我col1的是一个字符串。我知道您可以禁止显示警告，但我将如何检查上面的同一行并确保我没有创建数据框的副本？即使有警告，我确实得到了我想要的输出，但很好奇是否存在更好的方法。

import pandas as pd
data = {'col1':['a','a','a','b','b','c','c','c','d','d'],
       'week':[1,1,1,1,1,2,2,2,2,2]}
df = pd.DataFrame(data, columns=['col1','week'])
df['check_condition'] = 1
while sum(df.check_condition) != 0:
    for week in df.week:
        wk = df.loc[df.week == week]
        wk['match'] = wk.col1.eq(wk.col1.shift()) # <-- where the warning occurs
        # fix the repetitive value...which I have not done yet
        # for now just exit out of the while loop
        df.loc[df.week == week,'check_condition'] = 0

标签： pythonpandas

解决方案

你不能忽视熊猫SettingWithCopyWarning！它 100% 告诉您，您的代码不会按预期工作（如果有的话）。停止，调查并修复它。（这不是您可以过滤掉的可忽略的事情，就像熊猫 FutureWarning 唠叨弃用一样。）

您的代码存在多个问题：

  • 您正在尝试迭代一个数据帧（但不是用groupby()），取它的切片（在 subdataframewk中，这是一个切片的副本）...
  • 然后分配给（不存在的）新列wk['match']。这很糟糕，你不应该这样做。（您可以初始化df['match'] = np.nan，但尝试分配给副本仍然是错误的wk）...
  • SettingWithCopyWarning当您尝试分配给时被触发wk['match']。它告诉您wk是来自 dataframe 的切片的副本df，而不是df它本身。因此，就像它告诉您的那样：A value is trying to be set on a copy of a slice from a DataFrame.该分配只会在每次wk被您的循环覆盖时被丢弃，因此即使您可以强制它继续工作，wk它也是错误的。这就是为什么SettingWithCopyWarning你不应该首先复制 df 切片的代码味道。
  • 稍后，您还尝试df['check_condition']在遍历 df 时分配给列，这也很糟糕。

解决方案：

df['check_condition'] = df['col1'].eq(df['col1'].shift()).astype(int)

df
  col1  week  check_condition
0    a     1                0
1    a     1                1
2    a     1                1
3    b     1                0
4    b     1                1
5    c     2                0
6    c     2                1
7    c     2                1
8    d     2                0
9    d     2                1

更一般地说，对于更复杂的代码，您希望根据某些分组标准迭代每组数据帧，您可以使用 usegroupby()和split-apply-combine代替。

  • 您按 分组wk.col1.eq(wk.col1.shift())，即col1值与​​前一行没有变化的行
  • 并且您想check_condition在这些行上设置为 0
  • 和 1 在 col1值确实从前一行发生变化的行上

但在这种更简单的情况下，您可以跳过groupby()并进行直接分配。

推荐阅读