使用 iloc 和 loc 为行分配新值会产生不同的结果。如何避免与 iloc 相同的 SettingToCopyWarning？

Question

我目前有一个形状为 (16280, 13) 的 DataFrame。我想为单个列中的特定行分配值。我最初是这样做的：

for idx, row in enumerate(df.to_dict('records')):
    instances = row['instances']
    labels = row['labels'].split('|')

    for instance in instances:
        if instance not in relevant_labels:
            labels = ['O' if instance in l else l for l in labels]

        df.iloc[idx]['labels'] = '|'.join(labels)

但是由于最后一行，这一直返回SettingWithCopyWarning。我尝试将其更改为df.loc[idx, 'labels'] = '|'.join(labels)，它不再返回警告，但在我的代码的后半部分导致错误。

我注意到使用iloc 时DataFrame 的大小为(16280, 13)，使用loc 时为(16751, 13)。

如何防止打印警告并获得与使用iloc 相同的功能？

Answer 1

您有很多我们可以在这里改进的地方。

首先，尽量不要循环遍历数据框，而是使用 pandas 包提供的一些工具。 但是，如果无法避免，最好使用.iterrows() 方法而不是.to_dict() 来循环数据帧的行。请记住，如果使用iterrows，则不应在迭代时修改数据框。

然后，用于 iloc/loc 用途。 Loc 使用键名（如字典），尽管 iloc 使用键索引（如数组）。这里idx是一个索引，不是key的名字，那么df.loc[idx, 'labels']如果key的名字和它的索引不一样会导致一些错误。我们可以像下面这样轻松地使用它们：df.iloc[idx, : ].loc['labels']。

为了说明 loc 和 iloc 之间的区别：

df_example = pd.DataFrame({"a": [1, 2, 3, 4],
                           "b": ['a', 'b', 'a', 'b']},
                          index=[0, 1, 3, 5])

print(df_example.loc[0] == df_example.iloc[0])  # 0 is the first key, loc and iloc same results
print(df_example.loc[1] == df_example.iloc[1])  # 1 is the second key, loc and iloc same results
try:
    print(df_example.loc[2] == df_example.iloc[2])  # 2 is not a key, then it will crash on loc (Keyerror)
except KeyError:
    pass
print(df_example.loc[3] == df_example.iloc[3])  # 3 the third key, then iloc and loc will lead different results
try:
    print(df_example.loc[5] == df_example.iloc[5])  # 5 is the last key but there is no 6th key so it will crash on iloc (indexerror)
except IndexError:
    pass

请记住，链接数据框将返回数据的副本而不是切片：doc。这就是为什么 df.iloc[idx]['labels'] 和 df.iloc[idx, : ].loc['labels'] 都会触发警告。如果 labels 是您的第 i 列，则 df.iloc[idx, i ] 不会触发警告。