배경

방금 팬더를 0.11에서 0.13.0rc1로 업그레이드했습니다. 이제 응용 프로그램이 많은 새로운 경고를 표시합니다. 그들 중 하나는 다음과 같습니다.

E:\FinReporter\FM_EXT.py:449: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_index,col_indexer] = value instead
  quote_df['TVol']   = quote_df['TVol']/TVOL_SCALE

정확히 무슨 뜻인지 알고 싶습니까? 무언가를 바꿔야합니까?

사용을 주장하면 경고를 어떻게 중단해야 quote_df['TVol'] = quote_df['TVol']/TVOL_SCALE합니까?

오류를주는 기능

def _decode_stock_quote(list_of_150_stk_str):
    """decode the webpage and return dataframe"""

    from cStringIO import StringIO

    str_of_all = "".join(list_of_150_stk_str)

    quote_df = pd.read_csv(StringIO(str_of_all), sep=',', names=list('ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefg')) #dtype={'A': object, 'B': object, 'C': np.float64}
    quote_df.rename(columns={'A':'STK', 'B':'TOpen', 'C':'TPCLOSE', 'D':'TPrice', 'E':'THigh', 'F':'TLow', 'I':'TVol', 'J':'TAmt', 'e':'TDate', 'f':'TTime'}, inplace=True)
    quote_df = quote_df.ix[:,[0,3,2,1,4,5,8,9,30,31]]
    quote_df['TClose'] = quote_df['TPrice']
    quote_df['RT']     = 100 * (quote_df['TPrice']/quote_df['TPCLOSE'] - 1)
    quote_df['TVol']   = quote_df['TVol']/TVOL_SCALE
    quote_df['TAmt']   = quote_df['TAmt']/TAMT_SCALE
    quote_df['STK_ID'] = quote_df['STK'].str.slice(13,19)
    quote_df['STK_Name'] = quote_df['STK'].str.slice(21,30)#.decode('gb2312')
    quote_df['TDate']  = quote_df.TDate.map(lambda x: x[0:4]+x[5:7]+x[8:10])

    return quote_df

더 많은 오류 메시지

E:\FinReporter\FM_EXT.py:449: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_index,col_indexer] = value instead
  quote_df['TVol']   = quote_df['TVol']/TVOL_SCALE
E:\FinReporter\FM_EXT.py:450: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_index,col_indexer] = value instead
  quote_df['TAmt']   = quote_df['TAmt']/TAMT_SCALE
E:\FinReporter\FM_EXT.py:453: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_index,col_indexer] = value instead
  quote_df['TDate']  = quote_df.TDate.map(lambda x: x[0:4]+x[5:7]+x[8:10])

이 SettingWithCopyWarning플래그로 생성 된 잠재적으로 첫 번째 선택은 반환 특히, 항상 예상대로 작동하지 않는 다음과 같은 "체인"과제, 혼란 사본 . [ 배경 토론 은 GH5390 및 GH5597 을 참조하십시오 .]

df[df['A'] > 2]['B'] = new_val  # new_val not set in df

이 경고는 다음과 같이 다시 작성하라는 제안을 제공합니다.

df.loc[df['A'] > 2, 'B'] = new_val

그러나 이것은 용도에 맞지 않습니다. 이는 다음과 같습니다.

df = df[df['A'] > 2]
df['B'] = new_val

참조를 덮어 쓰고 있기 때문에 원래 프레임으로 다시 쓰는 쓰기에 대해서는 신경 쓰지 않지만,이 패턴을 첫 번째 체인 할당 예제와 구별 할 수는 없습니다. 따라서 (가양 성) 경고입니다. 더 자세히 읽으려면 인덱싱 문서 에서 오 탐지 가능성을 해결하십시오 . 다음 할당으로이 새로운 경고를 안전하게 비활성화 할 수 있습니다.

import pandas as pd
pd.options.mode.chained_assignment = None  # default='warn'

SettingWithCopyWarning판다에서 다루는 방법 ?

이 게시물은 독자,

1. 이 경고의 의미를 이해하고 싶습니다
2. 이 경고를 억제하는 다른 방법을 이해하고 싶습니다
3. 앞으로이 경고를 피하기 위해 코드를 개선하고 모범 사례를 따르는 방법을 이해하고 싶습니다.

설정

np.random.seed(0)
df = pd.DataFrame(np.random.choice(10, (3, 5)), columns=list('ABCDE'))
df
   A  B  C  D  E
0  5  0  3  3  7
1  9  3  5  2  4
2  7  6  8  8  1

무엇입니까 SettingWithCopyWarning?

이 경고를 처리하는 방법을 이해하려면 의미와 의미를 이해하는 것이 중요합니다.

DataFrames를 필터링 할 때 내부 레이아웃과 다양한 구현 세부 사항에 따라 프레임을 슬라이스 / 인덱싱하여 뷰 또는 복사본 을 반환 할 수 있습니다 . "보기"는 용어에서 알 수 있듯이 원래 데이터에 대한보기이므로보기를 수정하면 원래 개체가 수정 될 수 있습니다. 반면 "복사"는 원본의 데이터를 복제 한 것으로, 사본을 수정해도 원본에는 영향을 미치지 않습니다.

다른 답변에서 언급했듯이 SettingWithCopyWarning는 "체인 할당"작업에 플래그를 지정하기 위해 만들어졌습니다. df위의 설정을 고려하십시오 . "A"열의 값이> 5 인 "B"열의 모든 값을 선택한다고 가정합니다. Pandas를 사용하면 다른 방법보다 더 정확한 방법으로이 작업을 수행 할 수 있습니다. 예를 들어

df[df.A > 5]['B']

1    3
2    6
Name: B, dtype: int64

과,

df.loc[df.A > 5, 'B']

1    3
2    6
Name: B, dtype: int64

이들은 동일한 결과를 반환하므로이 값만 읽는 경우 아무런 차이가 없습니다. 그래서 무엇이 문제입니까? 체인 할당의 문제점은 일반적으로보기 또는 사본이 리턴되는지 여부를 예측하기 어렵 기 때문에 값을 다시 지정하려고 할 때 문제가된다는 것입니다. 이전 예제를 빌드하려면 인터프리터가이 코드를 실행하는 방법을 고려하십시오.

df.loc[df.A > 5, 'B'] = 4
# becomes
df.__setitem__((df.A > 5, 'B'), 4)

에 대한 단일 __setitem__호출로 df. OTOH,이 코드를 고려하십시오 :

df[df.A > 5]['B'] = 4
# becomes
df.__getitem__(df.A > 5).__setitem__('B", 4)

이제 __getitem__보기 또는 사본을 리턴 했는지 여부에 따라 __setitem__조작 이 작동하지 않을 수 있습니다 .

일반적으로 loc레이블 기반 할당 및 iloc정수 / 위치 기반 할당에는 스펙이 항상 원본에서 작동 함을 보증하므로 사용해야합니다. 또한 단일 셀을 설정하려면 at및 을 사용해야합니다 iat.

자세한 내용은 설명서를 참조하십시오 .

참고
모든 부울 인덱싱 작업 loc은로도 수행 할 수 있습니다 iloc. 유일한 차이점은 iloc인덱스의 정수 / 위치 또는 부울 값의 numpy 배열 및 열의 정수 / 위치 인덱스 가 필요하다는 것 입니다.

예를 들어

df.loc[df.A > 5, 'B'] = 4

nas라고 쓸 수 있습니다

df.iloc[(df.A > 5).values, 1] = 4

과,

df.loc[1, 'A'] = 100

로 쓸 수 있습니다

df.iloc[1, 0] = 100

등등.

경고를 억제하는 방법을 알려주십시오!

의 "A"열에 대한 간단한 작업을 고려하십시오 df. "A"를 선택하고 2로 나누면 경고가 발생하지만 작업은 작동합니다.

df2 = df[['A']]
df2['A'] /= 2
/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/IPython/__main__.py:1: 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

df2
     A
0  2.5
1  4.5
2  3.5

이 경고를 직접하는 몇 가지 방법이 있습니다.

1. 을 만들다 deepcopy

   df2 = df[['A']].copy(deep=True)
   df2['A'] /= 2
   

2. 변화pd.options.mode.chained_assignment
   에 설정할 수 있습니다 None, "warn"또는 "raise". "warn"기본값입니다. None완전히 경고를 억제하며, "raise"을 던질 것이다 SettingWithCopyError겪고에서 작업을 방지.

   pd.options.mode.chained_assignment = None
   df2['A'] /= 2
   

면 @ 피터 코멘트에 비 간섭 적 (에서 수정 모드로 변경하는 좋은 방법 해낸 이 요점을 동안 만이 필요로 모드를 설정, 컨텍스트 관리자를 사용), 다시로 리셋을 완료되면 원래 상태.

class ChainedAssignent:
    def __init__(self, chained=None):
        acceptable = [None, 'warn', 'raise']
        assert chained in acceptable, "chained must be in " + str(acceptable)
        self.swcw = chained

    def __enter__(self):
        self.saved_swcw = pd.options.mode.chained_assignment
        pd.options.mode.chained_assignment = self.swcw
        return self

    def __exit__(self, *args):
        pd.options.mode.chained_assignment = self.saved_swcw

사용법은 다음과 같습니다.

# some code here
with ChainedAssignent():
    df2['A'] /= 2
# more code follows

또는 예외를 제기하기 위해

with ChainedAssignent(chained='raise'):
    df2['A'] /= 2

SettingWithCopyError: 
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

"XY 문제": 내가 뭘 잘못하고 있니?

많은 경우에, 사용자는이 예외가 처음 발생한 이유를 완전히 이해하지 않고이 예외를 억제하는 방법을 찾으려고 시도합니다. 이것은 XY 문제 의 좋은 예입니다. 여기서 사용자는 실제로 "뿌리"문제인 "X"의 증상 인 "Y"문제를 해결하려고 시도합니다. 이 경고가 발생하는 일반적인 문제를 바탕으로 질문이 제기되고 솔루션이 제시됩니다.

질문 1
DataFrame이 있습니다

df
       A  B  C  D  E
    0  5  0  3  3  7
    1  9  3  5  2  4
    2  7  6  8  8  1

col "A"> 5 ~ 1000의 값을 할당하려고합니다. 예상 출력은 다음과 같습니다.

      A  B  C  D  E
0     5  0  3  3  7
1  1000  3  5  2  4
2  1000  6  8  8  1

이것을하는 잘못된 방법 :

df.A[df.A > 5] = 1000         # works, because df.A returns a view
df[df.A > 5]['A'] = 1000      # does not work
df.loc[df.A  5]['A'] = 1000   # does not work

올바른 방법으로 loc:

df.loc[df.A > 5, 'A'] = 1000

질문 2 ¹
셀 (1, 'D')의 값을 12345로 설정하려고합니다. 예상 출력은 다음과 같습니다.

   A  B  C      D  E
0  5  0  3      3  7
1  9  3  5  12345  4
2  7  6  8      8  1

이 셀에 액세스하는 다른 방법을 시도했습니다 (예 :) df['D'][1]. 가장 좋은 방법은 무엇입니까?

_{1.이 질문은 특별히 경고와 관련이 없지만 나중에 경고가 발생할 수있는 상황을 피하기 위해이 특정 작업을 올바르게 수행하는 방법을 이해하는 것이 좋습니다.}

다음 방법 중 하나를 사용하여이를 수행 할 수 있습니다.

df.loc[1, 'D'] = 12345
df.iloc[1, 3] = 12345
df.at[1, 'D'] = 12345
df.iat[1, 3] = 12345

질문 3
일부 조건에 따라 값의 하위 집합을 설정하려고합니다. DataFrame이 있습니다

   A  B  C  D  E
1  9  3  5  2  4
2  7  6  8  8  1

"C"== 5가되도록 "D"의 값을 123에 할당하고 싶습니다.

df2.loc[df2.C == 5, 'D'] = 123

어느 것이 좋아 보이지만 여전히 받고 있습니다 SettingWithCopyWarning! 이 문제를 어떻게 해결합니까?

실제로 파이프 라인에서 코드가 높기 때문일 수 있습니다. df2더 큰 무언가로 만들었습니까?

df2 = df[df.A > 5]

? 이 경우 부울 인덱싱은 뷰를 반환하므로 df2원본을 참조합니다. 당신이해야 할 일은 사본에 할당 df2하는 것입니다 .

df2 = df[df.A > 5].copy()
# Or,
# df2 = df.loc[df.A > 5, :]

질문 4
열 "C"를 그 자리에서 삭제하려고합니다.

   A  B  C  D  E
1  9  3  5  2  4
2  7  6  8  8  1

그러나 사용

df2.drop('C', axis=1, inplace=True)

던졌습니다 SettingWithCopyWarning. 왜 이런 일이 발생합니까?

이는 다음 df2과 같은 다른 슬라이스 작업에서보기로 작성 되었기 때문입니다.

df2 = df[df.A > 5]

여기서 해결책은 이전과 같이 또는를 사용 하는 것 copy()입니다 .dfloc

일반적으로 점은 SettingWithCopyWarning그들이 그 사용자 (특히 새로운 사용자) 보여주는 것입니다 수 있습니다 그들이 생각하는 원본을 복사에서 작동하지 수 있습니다. 가 있습니다 오탐 (false positive)은 (당신이 무엇을하고 있는지 알고있는 경우 IOW가 될 수 확인 ). 한 가지 가능성은 @Garrett이 제안한대로 (기본적으로 경고 ) 경고를 끄는 것입니다.

다른 옵션은 다음과 같습니다.

In [1]: df = DataFrame(np.random.randn(5, 2), columns=list('AB'))

In [2]: dfa = df.ix[:, [1, 0]]

In [3]: dfa.is_copy
Out[3]: True

In [4]: dfa['A'] /= 2
/usr/local/bin/ipython:1: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_index,col_indexer] = value instead
  #!/usr/local/bin/python

해당 객체에 대해is_copy 플래그를로 설정하면 False검사를 효과적으로 해제 할 수 있습니다 .

In [5]: dfa.is_copy = False

In [6]: dfa['A'] /= 2

명시 적으로 복사하면 더 이상 경고가 발생하지 않습니다.

In [7]: dfa = df.ix[:, [1, 0]].copy()

In [8]: dfa['A'] /= 2

OP가 위에 보여주는 코드는 합법적이며 아마도 내가하는 일은 기술적 으로이 경고의 경우이며 오 탐지는 아닙니다. 또 다른 방법은 없는 경고가가를 통해 선택 작업을 수행하는 것 reindex, 예를 들어,

quote_df = quote_df.reindex(columns=['STK', ...])

또는,

quote_df = quote_df.reindex(['STK', ...], axis=1)  # v.0.21

팬더 데이터 프레임 복사 경고

가서 이렇게 할 때 :

quote_df = quote_df.ix[:,[0,3,2,1,4,5,8,9,30,31]]

pandas.ix 이 경우 새로운 독립형 데이터 프레임을 반환합니다.

이 데이터 프레임에서 변경하기로 결정한 값은 원래 데이터 프레임을 변경하지 않습니다.

이것은 팬더가 당신에게 경고하려고하는 것입니다.

왜 .ix나쁜 생각 입니까

.ix객체는 하나 이상의 일을하려고하고 깨끗한 코드에 대해 아무것도 읽기 누군가를 위해, 이것은 강한 냄새입니다.

이 데이터 프레임이 주어지면 :

df = pd.DataFrame({"a": [1,2,3,4], "b": [1,1,2,2]})

두 가지 행동 :

dfcopy = df.ix[:,["a"]]
dfcopy.a.ix[0] = 2

동작 하나 : dfcopy이제 독립형 데이터 프레임입니다. 변경해도 변경되지 않습니다df

df.ix[0, "a"] = 3

동작 2 : 원본 데이터 프레임이 변경됩니다.

사용 .loc하는 대신

팬더 개발자들은 그 .ix물체가 상당히 냄새가 나는 것으로 생각하여 데이터의 접근과 할당을 돕는 두 개의 새로운 물체를 만들었습니다. (다른 존재 .iloc)

.loc 데이터 사본을 작성하지 않기 때문에 더 빠릅니다.

.loc 기존의 데이터 프레임을 수정하여 메모리 효율성이 향상되었습니다.

.loc 예측 가능하며 한 가지 동작이 있습니다.

해결책

코드 예제에서 수행하는 작업은 많은 열이 포함 된 큰 파일을로드 한 다음 더 작게 수정하는 것입니다.

이 pd.read_csv기능을 사용하면 많은 작업을 수행 할 수 있으며 파일을 훨씬 빠르게로드 할 수 있습니다.

그래서 이것을하는 대신

quote_df = pd.read_csv(StringIO(str_of_all), sep=',', names=list('ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefg')) #dtype={'A': object, 'B': object, 'C': np.float64}
quote_df.rename(columns={'A':'STK', 'B':'TOpen', 'C':'TPCLOSE', 'D':'TPrice', 'E':'THigh', 'F':'TLow', 'I':'TVol', 'J':'TAmt', 'e':'TDate', 'f':'TTime'}, inplace=True)
quote_df = quote_df.ix[:,[0,3,2,1,4,5,8,9,30,31]]

이 작업을 수행

columns = ['STK', 'TPrice', 'TPCLOSE', 'TOpen', 'THigh', 'TLow', 'TVol', 'TAmt', 'TDate', 'TTime']
df = pd.read_csv(StringIO(str_of_all), sep=',', usecols=[0,3,2,1,4,5,8,9,30,31])
df.columns = columns

관심있는 열만 읽고 이름을 올바르게 지정합니다. .ix마법의 일을하기 위해 사악한 물건을 사용할 필요가 없습니다 .

여기서 나는 질문에 직접 대답합니다. 그것을 다루는 방법?

.copy(deep=False)슬라이스 한 후에 확인하십시오 . pandas.DataFrame.copy를 참조하십시오 .

잠깐만, 슬라이스가 사본을 반환하지 않습니까? 결국, 이것은 경고 메시지가 말하려는 것입니까? 긴 대답을 읽으십시오.

import pandas as pd
df = pd.DataFrame({'x':[1,2,3]})

경고가 나타납니다.

df0 = df[df.x>2]
df0['foo'] = 'bar'

이것은하지 않습니다 :

df1 = df[df.x>2].copy(deep=False)
df1['foo'] = 'bar'

모두 df0와 것은 df1있는 DataFrame객체하지만 그들에 대해 어떤 경고를 인쇄 할 수 팬더를 가능하게 다르다. 그것이 무엇인지 알아 봅시다.

import inspect
slice= df[df.x>2]
slice_copy = df[df.x>2].copy(deep=False)
inspect.getmembers(slice)
inspect.getmembers(slice_copy)

선택한 diff 도구를 사용하면 몇 가지 주소를 넘어서는 중요한 차이점은 다음과 같습니다.

|          | slice   | slice_copy |
| _is_copy | weakref | None       |

경고 여부를 결정하는 방법은 DataFrame._check_setitem_copy어떤 검사 _is_copy입니다. 그래서 여기 있습니다. copyDataFrame이 아닌지 확인 하십시오 _is_copy.

경고는을 (를) 사용하도록 제안 .loc하지만 .loc프레임에서 사용 하는 경우 _is_copy에도 여전히 동일한 경고가 표시됩니다. 오해? 예. 성가신? 물론이지. 도움이 되셨습니까? 잠재적으로 체인 할당이 사용될 때. 그러나 체인 할당을 올바르게 감지 할 수 없으며 경고를 무차별 적으로 인쇄합니다.

이 주제는 실제로 Pandas와 혼동됩니다. 운 좋게도 비교적 간단한 해결책이 있습니다.

문제는 데이터 필터링 작업 (예 : loc)이 DataFrame의 복사본 또는 뷰를 반환하는지 여부가 항상 명확하지 않다는 것입니다. 따라서 필터링 된 DataFrame을 추가로 사용하면 혼동 될 수 있습니다.

간단한 해결책은 다음과 같습니다 (매우 큰 데이터 세트로 작업해야하는 경우 제외).

값을 업데이트해야 할 때마다 할당 전에 항상 DataFrame을 암시 적으로 복사해야합니다.

df  # Some DataFrame
df = df.loc[:, 0:2]  # Some filtering (unsure whether a view or copy is returned)
df = df.copy()  # Ensuring a copy is made
df[df["Name"] == "John"] = "Johny"  # Assignment can be done now (no warning)

의심의 여지를 없애기 위해 내 해결책은 일반 사본 대신 슬라이스의 깊은 사본을 만드는 것이 었습니다. 상황에 따라 적용되지 않을 수 있습니다 (메모리 제약 / 슬라이스 크기, 성능 저하 가능성-특히 복사가 나처럼 루프에서 발생하는 경우 등)

분명히하기 위해 내가받은 경고는 다음과 같습니다.

/opt/anaconda3/lib/python3.6/site-packages/ipykernel/__main__.py:54:
SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame
See the caveats in the documentation:
http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy

삽화

슬라이스 사본에 놓인 열로 인해 경고가 발생했다는 의심이 들었습니다. 기술적으로 슬라이스 사본에 값을 설정하려고 시도하지 않았지만 여전히 슬라이스 사본의 수정이었습니다. 다음은 의심을 확인하기 위해 취한 (간체 화 된) 단계입니다. 경고를 이해하려는 사람들에게 도움이되기를 바랍니다.

예 1 : 원본에 열을 놓으면 사본에 영향을 미칩니다

우리는 이미 알고 있었지만 이것은 건전한 알림입니다. 이것은 경고에 관한 것이 아닙니다 .

>> data1 = {'A': [111, 112, 113], 'B':[121, 122, 123]}
>> df1 = pd.DataFrame(data1)
>> df1

    A   B
0   111 121
1   112 122
2   113 123


>> df2 = df1
>> df2

A   B
0   111 121
1   112 122
2   113 123

# Dropping a column on df1 affects df2
>> df1.drop('A', axis=1, inplace=True)
>> df2
    B
0   121
1   122
2   123

df1의 변경 사항을 피하여 df2에 영향을 줄 수 있습니다

>> data1 = {'A': [111, 112, 113], 'B':[121, 122, 123]}
>> df1 = pd.DataFrame(data1)
>> df1

A   B
0   111 121
1   112 122
2   113 123

>> import copy
>> df2 = copy.deepcopy(df1)
>> df2
A   B
0   111 121
1   112 122
2   113 123

# Dropping a column on df1 does not affect df2
>> df1.drop('A', axis=1, inplace=True)
>> df2
    A   B
0   111 121
1   112 122
2   113 123

예 2 : 사본에서 열을 삭제하면 원본에 영향을 줄 수 있음

이것은 실제로 경고를 보여줍니다.

>> data1 = {'A': [111, 112, 113], 'B':[121, 122, 123]}
>> df1 = pd.DataFrame(data1)
>> df1

    A   B
0   111 121
1   112 122
2   113 123

>> df2 = df1
>> df2

    A   B
0   111 121
1   112 122
2   113 123

# Dropping a column on df2 can affect df1
# No slice involved here, but I believe the principle remains the same?
# Let me know if not
>> df2.drop('A', axis=1, inplace=True)
>> df1

B
0   121
1   122
2   123

df1에 영향을 미치기 위해 df2에서 변경 한 내용을 피할 수 있습니다

>> data1 = {'A': [111, 112, 113], 'B':[121, 122, 123]}
>> df1 = pd.DataFrame(data1)
>> df1

    A   B
0   111 121
1   112 122
2   113 123

>> import copy
>> df2 = copy.deepcopy(df1)
>> df2

A   B
0   111 121
1   112 122
2   113 123

>> df2.drop('A', axis=1, inplace=True)
>> df1

A   B
0   111 121
1   112 122
2   113 123

건배!

이것은 작동해야합니다 :

quote_df.loc[:,'TVol'] = quote_df['TVol']/TVOL_SCALE

일부는 단순히 경고를 표시하지 않을 수 있습니다.

class SupressSettingWithCopyWarning:
    def __enter__(self):
        pd.options.mode.chained_assignment = None

    def __exit__(self, *args):
        pd.options.mode.chained_assignment = 'warn'

with SupressSettingWithCopyWarning():
    #code that produces warning

슬라이스를 변수에 할당하고 다음과 같이 변수를 사용하여 설정하려는 경우 :

df2 = df[df['A'] > 2]
df2['B'] = value

조건 컴퓨팅 df2이 길거나 다른 이유로 인해 Jeffs 솔루션을 사용하지 않으려는 경우 다음을 사용할 수 있습니다.

df.loc[df2.index.tolist(), 'B'] = value

df2.index.tolist() df2의 모든 항목에서 인덱스를 반환 한 다음 원래 데이터 프레임에서 열 B를 설정하는 데 사용됩니다.

나 에게이 문제는 다음> 단순화 된 <예제에서 발생했습니다. 그리고 나는 그것을 해결할 수있었습니다 (올바른 해결책으로).

경고가있는 오래된 코드 :

def update_old_dataframe(old_dataframe, new_dataframe):
    for new_index, new_row in new_dataframe.iterrorws():
        old_dataframe.loc[new_index] = update_row(old_dataframe.loc[new_index], new_row)

def update_row(old_row, new_row):
    for field in [list_of_columns]:
        # line with warning because of chain indexing old_dataframe[new_index][field]
        old_row[field] = new_row[field]  
    return old_row

이것은 라인에 대한 경고를 인쇄 old_row[field] = new_row[field]

update_row 메소드의 행은 실제로 type이므로 행을 다음과 같이 바꿨 Series습니다.

old_row.at[field] = new_row.at[field]

즉에 대한 액세스 / 조회 방법Series . 이벤트가 모두 잘 작동하고 결과가 동일하지만이 방법으로 경고를 비활성화 할 필요가 없습니다 (= 다른 체인 인덱싱 문제를 위해 다른 곳에 유지하십시오).

이것이 누군가를 도울 수 있기를 바랍니다.

이 같은 모든 문제를 피할 수 있다고 생각합니다.

return (
    pd.read_csv(StringIO(str_of_all), sep=',', names=list('ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefg')) #dtype={'A': object, 'B': object, 'C': np.float64}
    .rename(columns={'A':'STK', 'B':'TOpen', 'C':'TPCLOSE', 'D':'TPrice', 'E':'THigh', 'F':'TLow', 'I':'TVol', 'J':'TAmt', 'e':'TDate', 'f':'TTime'}, inplace=True)
    .ix[:,[0,3,2,1,4,5,8,9,30,31]]
    .assign(
        TClose=lambda df: df['TPrice'],
        RT=lambda df: 100 * (df['TPrice']/quote_df['TPCLOSE'] - 1),
        TVol=lambda df: df['TVol']/TVOL_SCALE,
        TAmt=lambda df: df['TAmt']/TAMT_SCALE,
        STK_ID=lambda df: df['STK'].str.slice(13,19),
        STK_Name=lambda df: df['STK'].str.slice(21,30)#.decode('gb2312'),
        TDate=lambda df: df.TDate.map(lambda x: x[0:4]+x[5:7]+x[8:10]),
    )
)

할당 사용. 로부터 문서 새로운 사람뿐만 아니라 모든 원본 열이있는 새로운 객체 (사본)을 반환하는 DataFrame에 할당 새 열 :.

팬더의 메소드 체인에 대한 Tom Augspurger의 기사를 참조하십시오 : https://tomaugspurger.github.io/method-chaining

후속 초보자 질문 / 비고

어쩌면 나와 같은 다른 초보자를위한 설명이있을 수 있습니다 (R에서 왔으며 후드에서 약간 다르게 작동하는 것 같습니다). 다음과 같은 무해하고 기능적인 코드는 SettingWithCopy 경고를 계속 생성했으며 그 이유를 알 수 없었습니다. 나는 "체인 인덱싱"으로 발행 된 것을 읽고 이해했지만 내 코드에는 다음이 포함되어 있지 않습니다.

def plot(pdb, df, title, **kw):
    df['target'] = (df['ogg'] + df['ugg']) / 2
    # ...

그러나 나중에 너무 늦게 plot () 함수가 호출되는 위치를 살펴 보았습니다.

    df = data[data['anz_emw'] > 0]
    pixbuf = plot(pdb, df, title)

따라서 "df"는 데이터 프레임이 아니라 데이터 프레임을 인덱싱하여 생성했음을 기억하는 객체입니다 (그래서 뷰도 마찬가지입니다).

 df['target'] = ...

에 해당

 data[data['anz_emw'] > 0]['target'] = ...

연쇄 인덱싱입니다. 내가 알았어?

어쨌든,

def plot(pdb, df, title, **kw):
    df.loc[:,'target'] = (df['ogg'] + df['ugg']) / 2

고쳤다.

이 질문은 이미 기존 답변에서 완전히 설명되고 논의되었으므로 pandas컨텍스트 관리자에 대한 깔끔한 접근 방식을 제공합니다 pandas.option_context( 문서 및 예제 링크 )-모든 Dunder 메소드 및 기타 종소리로 사용자 정의 클래스를 만들 필요는 없습니다. 그리고 휘파람.

먼저 컨텍스트 관리자 코드 자체 :

from contextlib import contextmanager

@contextmanager
def SuppressPandasWarning():
    with pd.option_context("mode.chained_assignment", None):
        yield

그런 다음 예를 들면 다음과 같습니다.

import pandas as pd
from string import ascii_letters

a = pd.DataFrame({"A": list(ascii_letters[0:4]), "B": range(0,4)})

mask = a["A"].isin(["c", "d"])
# Even shallow copy below is enough to not raise the warning, but why is a mystery to me.
b = a.loc[mask]  # .copy(deep=False)

# Raises the `SettingWithCopyWarning`
b["B"] = b["B"] * 2

# Does not!
with SuppressPandasWarning():
    b["B"] = b["B"] * 2

주목할 가치는 두 접근 방식이 수정하지 않는다는 것 a입니다. 약간 놀랍습니다. 얕은 df 사본 조차도이 .copy(deep=False)경고가 발생하지 않을 것입니다 (얕은 사본도 최소한 수정해야한다는 것을 이해 a하는 한) 't. pandas마술.).

메서드를 .apply()사용한 기존 데이터 프레임에서 새 데이터 프레임을 할당 할 때이 문제가 발생했습니다 .query(). 예를 들어 :

prop_df = df.query('column == "value"')
prop_df['new_column'] = prop_df.apply(function, axis=1)

이 오류를 반환합니다. 이 경우 오류를 해결하는 것으로 보이는 수정은 다음과 같이 변경하는 것입니다.

prop_df = df.copy(deep=True)
prop_df = prop_df.query('column == "value"')
prop_df['new_column'] = prop_df.apply(function, axis=1)

그러나 새 복사본을 만들어야하기 때문에 큰 데이터 프레임을 사용할 때는 특히 효율적이지 않습니다.

.apply()새 열과 해당 값을 생성하는 데 메소드를 사용하는 경우 오류를 해결하고 더 효율적인 수정은 다음을 추가하는 것입니다 .reset_index(drop=True).

prop_df = df.query('column == "value"').reset_index(drop=True)
prop_df['new_column'] = prop_df.apply(function, axis=1)