添加新的熊猫系列并设置为 false

Question

我正在添加以下代码：

 r = df_1[~df_1isin(
        df_2.to_dict('list')).all(1)] 
 r['is_sent'] = pd.Series(False).bool()

目的是缩小两个数据框之间的搜索范围，然后我想添加一个新列（pd.series）并将这些发现设置为 false。这符合我的意图，但返回了一条消息：

"试图在 DataFrame 中的切片副本上设置一个值。 尝试改用 .loc[row_indexer,col_indexer] = value"

谁能解释这个引用的内容并举例说明正确的方法是什么？

Answer 1

这个问题是切片 DataFrame 会在切片和原始 DataFrame 之间创建一个weakref。这会在您进行分配时触发下一行的警告。

import pandas as pd

df = pd.DataFrame([0,1,1,1,2])
r = df[df.isin([1]).all(1)]

r['new_col'] = False
#<ipython-input-210-d5f9bda478c4>:9: SettingWithCopyWarning:  ...

---

您可以使用内置方法._is_copy 验证是否存在弱引用

df = pd.DataFrame([0,1,1,1,2])
r = df[df.isin([1]).all(1)]
r._is_copy
#<weakref at 0x142b10e00; to 'DataFrame' at 0x14361ed00>

而打破这一点最简单的方法是使用.copy() 强制进行深层复制，使r 与df 没有任何关系，从而消除警告。

r = df[df.isin([1]).all(1)].copy()
r._is_copy
#None

r['new_col'] = False
# No warning!

---

最后，这个警告经常似乎被击中或错过，但这是因为许多pandas操作返回一个新对象，所以如果切片和分配很可能这些操作本身会破坏弱引用，从而阻止警告。例如，像乘以 2 这样的简单操作会创建一个新对象，而您不会收到任何警告。

df = pd.DataFrame([0,1,1,1,2])

r = df[df.isin([1]).all(1)]
print(r._is_copy)
#<weakref at 0x13e6ad0e0; to 'DataFrame' at 0x1436227c0>

r = r*2   # Breaks the reference
print(r._is_copy)
# None

r['new_col'] = False
# No warning!