Pandas：更改列数据类型会产生警告

Question

假设我有以下 pandas DataFrame：

df = pd.DataFrame({'one': ['Baseline', 5, 6], 'two': [10, 10, 10]})
print(df)
print(df.dtypes)
#  one    object
#  two     int64

我想收集df.one != 'Baseline' 所在的所有行，然后将这个新数据框中的one 列转换为int 数据类型。我认为以下方法可以正常工作，但是当我尝试将 int 转换为 one 时，我收到了 SettingWithCopyWarning 投诉：

df_sub = df[df['one'] != 'Baseline']
df_sub['one'] = df_sub['one'].astype(int)

script.py:15. 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

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
   df_sub['one'] = df_sub['one'].astype(int)

代码似乎运行良好（见下文），但我想知道如何避免此警告（我是否应该使用其他方法等）。我正在关注 this question 以更改特定列的数据类型。我也尝试过df_sub.loc[:, 'one'] = df_sub['one'].astype(int) 和df_sub.loc[:, 'one'] = df_sub.loc[:, 'one'].astype(int)，但我遇到了同样的错误。

print(df_sub.dtypes)
#  one     int64
#  two     int64

Answer 1

为了避免该警告，请复制您的数据框

df_sub = df[df['one'] != 'Baseline'].copy() # A deep copy of your dataframe otherwise it'll point to an existing one in memory.