原文链接：https://www.dataquest.io/blog/settingwithcopywarning/
原文标题：Understanding SettingwithCopyWarning in pandas
原文发布时间：5 JULY 2017（需要注意时效性，文中有一些方法已经弃用，比如 ix）
作者：Benjamin Pryke
译者：Ivy Lee
学习 Python 数据分析的同学总是遇到这个警告，查询中文资料，一般只能找到个别的解决办法，不一定适用于自己遇到的情况。查到的最常见解决办法就是直接设置为不显示警告。搜索资料发现这篇英文讲解 SettingWithCopyWarning 原理非常系统的文章，翻译了一下，分享给大家。
SettingWithCopyWarning 是人们在学习 Pandas 时遇到的最常见的障碍之一。快速的网络搜索可以搜索到 Stack Overflow 问题，GitHub issues 和程序员的论坛帖子，试图解释这个警告在他们的特定情况下意味着什么。这么多人为此困扰并不奇怪：有很多方法可以索引 Pandas 数据结构，每种数据结构都有自己独特的细微差别，甚至 Pandas 本身并不能保证两行代码的运行结果看起来完全相同。
本指南解释了生成警告的原因并展示了如何解决这一警告。它还包括一些底层的细节，让你更好地了解代码内部发生了什么，提供了有关该话题的一些历史记录，让你了解为什么代码底层以这样的方式运作。
为了探索 SettingWithCopyWarning，我们将使用 Modelling Online Auctions 一书中的 eBay 3 天拍卖出售的 Xbox 的价格数据集。让我们来看看：
import Pandas as pd
data = pd.read_csv('xbox-3-day-auctions.csv')
data.head()
| auctionid | bid | bidtime | bidder | bidderrate | openbid | price | |
|---|---|---|---|---|---|---|---|
| 0 | 8213034705 | 95.0 | 2.927373 | jake7870 | 0 | 95.0 | 117.5 |
| 1 | 8213034705 | 115.0 | 2.943484 | davidbresler2 | 1 | 95.0 | 117.5 |
| 2 | 8213034705 | 100.0 | 2.951285 | gladimacowgirl | 58 | 95.0 | 117.5 |
| 3 | 8213034705 | 117.5 | 2.998947 | daysrus | 10 | 95.0 | 117.5 |
| 4 | 8213060420 | 2.0 | 0.065266 | donnie4814 | 5 | 1.0 | 120.0 |
如你所见，数据集的每一行都是某一次 eBay Xbox 出价信息。以下是该数据集中每列的简要说明：
auctionid- 每次拍卖的唯一标识符bid- 本次拍卖出价bidtime- 拍卖的时长，以天为单位，从投标开始累计bidder- 投标人的 eBay 用户名bidderrate- 投标人的 eBay 用户评级openbid- 卖方为拍卖设定的开标价price- 拍卖结束时的中标价
什么是 SettingWithCopyWarning？
首先要理解的是，SettingWithCopyWarning 是一个警告，而不是错误 Error。
错误表明某些内容是“坏掉”的，例如无效语法（invalid syntax）或尝试引用未定义的变量。警告的作用是提醒程序员，他们的代码可能存在潜在的错误或问题，但是这些操作仍然是该编程语言中的合法操作。在这种情况下，警告很可能表明一个严重但不容易意识到的错误。
SettingWithCopyWarning 告诉你，你的操作可能没有按预期运行，你应该检查结果以确保没有出错。
如果你的代码仍然按预期工作，那么很容易忽略警告。这不是良好的实践，SettingWithCopyWarning 不应该被忽略。在采取下一步行动之前，花点时间了解为什么会获得这一警告。
要了解 SettingWithCopyWarning，首先需要了解 Pandas 中的某些操作可以返回数据的视图（View），而某些其他操作将返回数据的副本（Copy）。
如上所示，左侧的视图 df2 只是原始 df1 一个子集，而右侧的副本创建了一个新的唯一对象 df2。
当我们尝试对数据集进行更改时，这可能会导致问题：
根据我们的需求，我们可能想要修改原始 df1（左），可能想要修改 df2（右）。警告让我们知道，我们的代码可能并没有符合需求，修改的并不是我们想要修改的那个数据集。
我们稍后会深入研究这个问题，但是现在先来了解一下，警告出现的两个主要原因以及如何解决它们。
链式赋值（Chained assignment）
当 Pandas 检测链式赋值（Chained assignment）时会生成警告。让我们定义一些术语，方便后续的解释：
- 赋值（Assignment） - 设置某些变量值的操作，例如
data = pd.read_csv('xbox-3-day-auctions.csv')。也被称为设置（set） 。 - 访问（Access） - 返回某些值的操作，例如下面的索引和链式索引示例。也被称为获取（get） 。
- 索引（Indexing） - 引用数据子集的任何赋值或访问方法，例如
data[1:5]。 - 链式索引（Chaining） - 连续使用多个索引操作，例如
data[1:5][1:3]。
链式赋值是链式索引和赋值的组合。先快速浏览一下之前加载的数据集，稍后我们将详细介绍这一点。在这个例子中，假设我们了解到用户 'parakeet2004' 的 bidderrate 不正确，我们必须修改他的 bidderrate，首先，查看一下当前的值。
data[data.bidder == 'parakeet2004']
| auctionid | bid | bidtime | bidder | bidderrate | openbid | price | |
|---|---|---|---|---|---|---|---|
| 6 | 8213060420 | 3.00 | 0.186539 | parakeet2004 | 5 | 1.0 | 120.0 |
| 7 | 8213060420 | 10.00 | 0.186690 | parakeet2004 | 5 | 1.0 | 120.0 |
| 8 | 8213060420 | 24.99 | 0.187049 | parakeet2004 | 5 | 1.0 | 120.0 |
我们有三行要更新 bidderrate 字段，我们继续往下操作：
data[data.bidder == 'parakeet2004']['bidderrate'] = 100
/Library/Frameworks/Python.framework/Versions/36/lib/python3.6/ipykernel/__main__.py:1:SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from aDataFrame.
Try using .loc[row_indexer,col_indexer] = value instead
See the caveats in the documentation:http://Pandas.pydata.org/Pandas-docs/stable/indexinghtml#indexing-view-versus-copy
if __name__ == '__main__':
不好了！我们神奇的造成了 SettingWithCopyWarning！
如果检查一下，可以看到在这种情况下，值没有按预期改变：
data[data.bidder == 'parakeet2004']
| auctionid | bid | bidtime | bidder | bidderrate | openbid | price | |
|---|---|---|---|---|---|---|---|
| 6 | 8213060420 | 3.00 | 0.186539 | parakeet2004 | 5 | 1.0 | 120.0 |
| 7 | 8213060420 | 10.00 | 0.186690 | parakeet2004 | 5 | 1.0 | 120.0 |
| 8 | 8213060420 | 24.99 | 0.187049 | parakeet2004 | 5 | 1.0 | 120.0 |
生成警告是因为我们将两个索引操作链接在一起，我们直接使用了两次方括号，所以这比较容易理解。但如果我们使用其他访问方法，例如 .bidderrate、.loc[]、.iloc[]、.ix[]，也是如此，我们的链式操作是：
data[data.bidder == 'parakeet2004']['bidderrate'] = 100
这两个链式操作一个接一个地独立执行。第一次是访问操作（get），返回一个 DataFrame，其中包含所有 bidder 等于 'parakeet2004' 的行。第二个是赋值操作（set），是在这个新的 DataFrame 上运行的，我们压根没有在原始 DataFrame 上运行。
这个解决方案很简单：使用 loc 将链式操作组合到一个操作中，以便 Pandas 可以确保 set 的是原始 DataFrame。Pandas 会始终确保下面这样的非链式 set 操作起作用。
# 设置新值
data.loc[data.bidder == 'parakeet2004', 'bidderrate'] = 100 # 检查结果 data[data.bidder == 'parakeet2004']['bidderrate'] 6 100 7 100 8 100 Name: bidderrate, dtype: int64 这就是警告中建议我们做的操作，在这种情况下它完美地适用。
隐蔽的链式操作（Hidden chaining）
现在来看一下遇到 SettingWithCopyWarning 的第二种最常见的方式。我们来探索中标者的数据，我们将为此创建一个新的 DataFrame，现在已经学习了关于链式赋值的内容，因此请注意使用 loc 。
winners = data.loc[data.bid == data.price]
winners.head()
| auctionid | bid | bidtime | bidder | bidderrate | openbid | price | |
|---|---|---|---|---|---|---|---|
| 3 | 8213034705 | 117.5 | 2.998947 | daysrus | 10 | 95.00 | 117.5 |
| 25 | 8213060420 | 120.0 | 2.999722 | djnoeproductions | 17 | 1.00 | 120.0 |
| 44 | 8213067838 | 132.5 | 2.996632 | *champaignbubbles* |
202 | 29.99 | 132.5 |
| 45 | 8213067838 | 132.5 | 2.997789 | *champaignbubbles* |
202 | 29.99 | 132.5 |
| 66 | 8213073509 | 114.5 | 2.999236 | rr6kids | 4 | 1.00 | 114.5 |
我们可能会使用 winners 变量编写一些后续的代码行。
mean_win_time = winners.bidtime.mean()
... # 20 lines of code
mode_open_bid = winners.openbid.mode()
偶然的机会，我们在该 DataFrame 发现了另一个错误：标记为 304 的行中缺少了 bidder 值。
winners.loc[304, 'bidder']
nan
对这个例子来说，假设我们知道这个投标人的真实用户名，并以此更新数据：
winners.loc[304, 'bidder'] = 'therealname'
/Library/Frameworks/Python.framework/Versions/36/lib/python3.6/Pandas/core/indexing.py:517:SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from aDataFrame.
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
self.obj[item] = s
另一个 SettingWithCopyWarning！但我们使用了 loc，这又是怎么回事？为了研究这一点，我们来看看代码的结果：
print(winners.loc[304, 'bidder'])
therealname
代码按预期工作了，为什么我们还是得到警告？
链式索引可能跨越两行代码发生，也可能在一行代码内发生。因为 winners 是作为 get 操作的输出创建的（data.loc[data.bid == data.price]），它可能是原始 DataFrame 的副本，也可能不是，但除非我们检查，否则我们不能了解到。当我们对 winners 进行索引时，我们实际上使用的是链式索引。
这意味着当我们尝试修改 winners 时，我们可能也修改了 data。
在实际的代码中，这些行可能会跨越很大的距离，因此追踪问题可能会更困难，但情况是与示例类似的。
为了防止这种情况下的警告，解决方案是在创建新 DataFrame 时明确告知 Pandas 制作一个副本：
winners = data.loc[data.bid == data.price].copy()
winners.loc[304, 'bidder'] = 'therealname'
print(winners.loc[304, 'bidder']) print(data.loc[304, 'bidder']) therealname nan 就这么简单！
窍门就是，学会识别链式索引，不惜一切代价避免使用链式索引。如果要更改原始数据，请使用单一赋值操作。如果你想要一个副本，请确保你强制让 Pandas 制作副本。这样可以节省时间，也可以使代码保持严密的逻辑。
另外请注意，即使 SettingWithCopyWarning 只在你进行 set 时才会发生，但在进行 get 操作时，最好也避免使用链式索引。链式操作较慢，而且只要你稍后决定进行赋值操作，就会导致问题。
处理 SettingWithCopyWarning 的提示和技巧
在我们进行下面更深入的分析之前，让我们“拿出显微镜”，看看 SettingWithCopyWarning 的更多细节。
关闭警告
首先，如果不讨论如何明确地控制 SettingWithCopy 设置，那么本文则不完整。Pandas 的 mode.chained_assignment 选项可以采用以下几个值之一：
'raise'- 抛出异常（exception）而不是警告'warn'- 生成警告（默认）None- 完全关闭警告
例如，如果要关闭警告：
pd.set_option('mode.chained_assignment', None)
data[data.bidder == 'parakeet2004']['bidderrate'] = 100 因为这样没有给我们任何警告，除非你完全了解自己在做什么，否则不建议这样做。如果你对想要实现的操作有任何一丁点的疑问，关闭警告都不被推荐。有些开发者非常重视 SettingWithCopy 甚至选择将其提升为异常，如下所示：
pd.set_option('mode.chained_assignment', 'raise')
data[data.bidder == 'parakeet2004']['bidderrate'] = 100 ---------------------------------------------------------------------------
SettingWithCopyError Traceback (most recent call last)
in ()
1 pd.set_option('mode.chained_assignment', 'raise')
----> 2 data[data.bidder == 'parakeet2004']['bidderrate'] = 100
/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/Pandas/core/frame.py in __setitem__(self, key, value)
2427 else:
2428 # set column
-> 2429 self._set_item(key, value) 2430 2431 def _setitem_slice(self, key, value): /Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/Pandas/core/frame.py in _set_item(self, key, value) 2500 # value exception to occur first 2501 if len(self): -> 2502 self._check_setitem_copy() 2503 2504 def insert(self, loc, column, value, allow_duplicates=False): /Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/Pandas/core/generic.py in _check_setitem_copy(self, stacklevel, t, force) 1758 1759 if value == 'raise': -> 1760 raise SettingWithCopyError(t) 1761 elif value == 'warn': 1762 warnings.warn(t, SettingWithCopyWarning, stacklevel=stacklevel) 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 See the caveats in the documentation: http://Pandas.pydata.org/Pandas-docs/stable/indexing.html#indexing-view-versus-copy 如果你正在与缺乏经验的 Pandas 开发人员合作开发项目，或者正在开发需要高度严谨的项目，这可能特别有用。
使用此设置的更精确方法是使用 上下文管理器 context manager 。
# resets the option we set in the previous code segment
pd.reset_option('mode.chained_assignment')
with pd.option_context('mode.chained_assignment', None): data[data.bidder == 'parakeet2004']['bidderrate'] = 100 正如你所看到的，这种方法可以实现针对性的警告设置，而不是影响整个环境。
is_copy 属性
避免警告的另一个技巧是修改 Pandas 用于解释 SettingWithCopy 的工具之一。每个 DataFrame 都有一个 is_copy 属性，默认情况下为 None，但如果它是副本，则会使用 weakref 引用原始 DataFrame 。通过将 is_copy 设置为 None，可以避免生成警告。
winners = data.loc[data.bid == data.price]
winners.is_copy = None
winners.loc[304, 'bidder'] = 'therealname' 但是请注意，这并不会奇迹般地解决问题，反而会使错误检测变得非常困难。
单类型 VS 多类型对象
值得强调的另一点是单类型对象和多类型对象之间的差异。如果 DataFrame 所有列都具有相同的 dtype，则它是单类型的，例如：
import numpy as np
single_dtype_df = pd.DataFrame(np.random.rand(5,2), columns=list('AB')) print(single_dtype_df.dtypes) single_dtype_df A float64 B float64 dtype: object | A | B | |
|---|---|---|
| 0 | 0.383197 | 0.895652 |
| 1 | 0.077943 | 0.905245 |
| 2 | 0.452151 | 0.677482 |
| 3 | 0.533288 | 0.768252 |
| 4 | 0.389799 | 0.674594 |
如果 DataFrame 的列不是全部具有相同的 dtype，那么它是多类型的，例如：
multiple_dtype_df = pd.DataFrame({'A': np.random.rand(5),'B': list('abcde')}) print(multiple_dtype_df.dtypes) multiple_dtype_df A float64 B object dtype: object | A | B | |
|---|---|---|
| 0 | 0.615487 | a |
| 1 | 0.946149 | b |
| 2 | 0.701231 | c |
| 3 | 0.756522 | d |
| 4 | 0.481719 | e |
由于下面历史部分中所述的原因，对多类型对象的索引 get 操作将始终返回副本。然而，为了提高效率，索引器对单类型对象的操作几乎总是返回一个视图，这里需要注意的是，这取决于对象的内存布局，并不能完全保证。
误报
误报，即无意中报告链式赋值的情况，曾经在早期版本的 Pandas 中比较常见，但此后大部分都被解决了。为了完整起见，在此处包括一些已修复的误报示例也是有用的。如果你在使用早期版本的 Pandas 时遇到以下任何情况，则可以安全地忽略或抑制警告（或通过升级完全避免警告！）
使用当前列的值，将新列添加到 DataFrame 会生成警告，但这已得到修复。
data['bidtime_hours'] = data.bidtime.map(lambda x: x * 24)
data.head(2) | auctionid | bid | bidtime | bidder | bidderrate | openbid | price | bidtime_hours | |
|---|---|---|---|---|---|---|---|---|
| 0 | 8213034705 | 95.0 | 2.927373 | jake7870 | 0 | 95.0 | 117.5 | 70.256952 |
| 1 | 8213034705 | 115.0 | 2.943484 | davidbresler2 | 1 | 95.0 | 117.5 | 70.643616 |
当在一个 DataFrame 切片上使用 apply 方法进行设置时，也会出现误报，不过这也已得到修复。
data.loc[:, 'bidtime_hours'] = data.bidtime.apply(lambda x: x * 24)
data.head(2) | auctionid | bid | bidtime | bidder | bidderrate | openbid | price | bidtime_hours | |
|---|---|---|---|---|---|---|---|---|
| 0 | 8213034705 | 95.0 | 2.927373 | jake7870 | 0 | 95.0 | 117.5 | 70.256952 |
| 1 | 8213034705 | 115.0 | 2.943484 | davidbresler2 | 1 | 95.0 | 117.5 | 70.643616 |
最后，直到 0.17.0 版本前，DataFrame.sample 方法中存在一个错误，导致 SettingWithCopy 警告误报。现在，sample 方法每次都会返回一个副本。
sample = data.sample(2)
sample.loc[:, 'price'] = 120
sample.head()
| auctionid | bid | bidtime | bidder | bidderrate | openbid | price | bidtime_hours | |
|---|---|---|---|---|---|---|---|---|
| 481 | 8215408023 | 91.01 | 2.990741 | sailer4eva | 1 | 0.99 | 120 | 71.777784 |
| 503 | 8215571039 | 100.00 | 1.965463 | lambonius1 | 0 | 50.00 | 120 | 47.171112 |
链式赋值深度解析
让我们重用之前的例子：试图更新 data 中 bidder 值为 'parakeet2004' 的所有行的 bidderrate 字段。
data[data.bidder == 'parakeet2004']['bidderrate'] = 100
/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/ipykernel/__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
See the caveats in the documentation: http://Pandas.pydata.org/Pandas-docs/stable/indexing.html#indexing-view-versus-copy
if __name__ == '__main__':
Pandas 用这个 SettingWithCopyWarning 告诉我们的是，代码的行为是模棱两可的，但要理解为什么这样做以及警告的措辞，以下概念将会有所帮助。
我们之前简要地谈过了视图（View）和副本（Copy）。有两种方法可以访问 DataFrame 的子集：可以创建对内存中原始数据的引用（视图），也可以将子集复制到新的较小的 DataFrame 中（副本）。视图是查看 原始 数据特定部分的一种方式，而副本是将该数据克隆到内存中的新位置。正如我们之前的图表所示，修改视图将修改原始变量，但修改副本则不会。
由于某些我们将在稍后介绍的原因，Pandas 中 get 操作的输出无法保证。索引 Pandas 数据结构时，视图或副本都可能被返回，这意味着对某一 DataFrame 进行 get 操作返回一个新的 DataFrame ，这个新的数据可能是：
- 来自原始对象的数据副本。
- 没有复制，而是直接对原始对象的引用。
因为我们不知道将会发生什么，并且每种可能性都有非常不同的行为，所以忽略警告就是“玩火”。
为了更清楚地解释视图、副本和其中的歧义，让我们创建一个简单的 DataFrame 并对其进行索引：
df1 = pd.DataFrame(np.arange(6).reshape((3,2)), columns=list('AB')) df1 | A | B | |
|---|---|---|
| 0 | 0 | 1 |
| 1 | 2 | 3 |
| 2 | 4 | 5 |
将 df1 的子集赋值给 df2：
df2 = df1.loc[:1]
df2
| A | B | |
|---|---|---|
| 0 | 0 | 1 |
| 1 | 2 | 3 |
根据刚才学到的知识，我们知道 df2 可能是 df1 的视图或 df1 子集的副本。
在解决问题之前，我们还需要再看一下链式索引。扩展一下 'parakeet2004' 示例，我们将两个索引操作链接在一起：
data[data.bidder == 'parakeet2004']
__intermediate__['bidderrate'] = 100
__intermediate__ 表示第一个调用的输出，对我们是完全不可见的。请记住，如果我们使用了属性访问，会得到相同的有问题的结果：
data[data.bidder == 'parakeet2004'].bidderrate = 100
这同样适用于任何其他形式的链式调用，因为我们正在生成中间对象 。
在底层代码中，链式索引意味着对 __getitem__ 或 __setitem__ 进行多次调用以完成单个操作。这些是 特殊的 Python 方法，通过在实现它们的类的实例上使用方括号，可以调用这些方法，这是语法糖的一种示例。让我们看一下 Python 解释器如何执行我们示例中的内容。
# Our code
data[data.bidder == 'parakeet2004']['bidderrate'] = 100 # Code executed data.__getitem__(data.__getitem__('bidder') == 'parakeet2004').__setitem__('bidderrate', 100) 正如你可能已经意识到的那样，SettingWithCopyWarning 是由此链式 __setitem__ 调用生成的。你可以自己尝试一下 - 上面这些代码的功能相同。为清楚起见，请注意第二个 __getitem__ 调用（对 bidder 列）是嵌套的，而不是链式问题的所有部分。
通常，如上面所述，Pandas 不保证 get 操作是返回视图还是副本。如果在我们的示例中返回了一个视图，则链式赋值中的第二个表达式将是对原始对象 __setitem__ 的调用。但是，如果返回一个副本，那么将被修改的是副本 - 原始对象不会被修改。
这就是警告中 “a value is trying to be set on a copy of a slice from a DataFrame” 的含义。由于没有对此副本的引用，它最终将被回收 。SettingWithCopyWarning 让我们知道 Pandas 无法确定第一个 __getitem__ 调用是否返回了视图或副本，因此不清楚该赋值是否更改了原始对象。换一种说法就是：“我们是否正在修改原始数据？”这一问题的答案是未知的。
如果我们确实想要修改原始文件，警告建议的解决方案是使用 loc 将这两个单独的链式操作转换为单个赋值操作。这样我们的代码中没有了链式索引，就不会再收到警告。我们修改后的代码及其扩展版本如下所示：
# Our code
data.loc[data.bidder == 'parakeet2004', 'bidderrate'] = 100 # Code executed data.loc.__setitem__((data.__getitem__('bidder') == 'parakeet2004', 'bidderrate'), 100) DataFrame 的 loc 属性保证是原始 DataFrame 本身，具有扩展的索引功能。
假阴性（False negatives）
使用 loc 并没有结束我们的问题，因为使用 loc 的 get 操作仍然可以返回一个视图或副本。让我们快速过一下，一个有点复杂的例子。
data.loc[data.bidder == 'parakeet2004', ('bidderrate', 'bid')]
| bidderrate | bid | |
|---|---|---|
| 6 | 100 | 3.00 |
| 7 | 100 | 10.00 |
| 8 | 100 | 24.99 |
我们这次拉出了两列而不是一列。让我们尝试 set 所有的 bid 值。
data.loc[data.bidder == 'parakeet2004', ('bidderrate', 'bid')]['bid'] = 5.0 data.loc[data.bidder == 'parakeet2004', ('bidderrate', 'bid')] | bidderrate | bid | |
|---|---|---|
| 6 | 100 | 3.00 |
| 7 | 100 | 10.00 |
| 8 | 100 | 24.99 |
没有效果，也没有警告！我们在切片的副本上 set 了一个值但是 Pandas 没有检测到它 - 这就是假阴性。这是因为，使用 loc 之后并不意味着我们可以再次使用链式赋值。这个特定的 bug，有一个未解决的 GitHub issue 。
正确的解决方法如下：
data.loc[data.bidder == 'parakeet2004', 'bid'] = 5.0
data.loc[data.bidder == 'parakeet2004', ('bidderrate', 'bid')] | bidderrate | bid | |
|---|---|---|
| 6 | 100 | 5 |
| 7 | 100 | 5 |
| 8 | 100 | 5 |
你可能怀疑，是否有人会在实践中遇到这样的问题。其实这比你想象的更容易出现。当我们像下一节中这样做：将 DataFrame 查询的结果赋值给变量。
隐藏的链式索引
让我们再看一下之前隐藏的链式索引示例，我们试图设置 winners 变量中，标记为 304 行的 bidder 字段。
winners = data.loc[data.bid == data.price]
winners.loc[304, 'bidder'] = 'therealname'
/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/Pandas/core/indexing.py:517: 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
self.obj[item] = s
我们得到了另一个 SettingWithCopyWarning 尽管我们使用了 loc 。这个问题可能令人非常困惑，因为警告信息建议我们的方法，我们已经做过了。
不过，想一下 winners 变量。它究竟是什么？由于我们通过 data.loc[data.bid == data.price] 将它初始化，我们无法知道它是原始 data DataFrame 的视图还是副本（因为 get 操作返回视图或副本）。将初始化与生成警告的行组合在一起可以清楚地表明我们的错误。
data.loc[data.bid == data.price].loc[304, 'bidder'] = 'therealname'
/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/Pandas/core/indexing.py:517: 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
self.obj[item] = s
我们再次使用了链式赋值，只是这次它被分在了两行代码中。思考这个问题的另一种方法是，问一个问题“这个操作会修改一个对象，还是两个对象？”在我们的示例中，答案是未知的：如果 winners 是副本，那么只有 winners 受到影响，但如果是视图，则 winners 和 data 都将被更新。这种情况可能发生在脚本或代码库中相距很远的行之间，这使问题很难被追根溯源。
此处警告的意图是让我们意识到，我们以为代码将修改原始 DataFrame ，实际没有修改成功，或者说我们将修改副本而不是原始数据。深入研究 Pandas GitHub repo 中的 issue，你可以看到开发人员自己对这个问题的解释。
如何解决这个问题在很大程度上取决于我们自己的意图。如果我们想要使用原始数据的副本，解决方案就是强制 Pandas 制作副本。
winners = data.loc[data.bid == data.price].copy()
winners.loc[304, 'bidder'] = 'therealname'
print(data.loc[304, 'bidder']) # Original print(winners.loc[304, 'bidder']) # Copy nan therealname 另一方面，如果你需要更新原始 DataFrame ，那么你应该使用原始 DataFrame 而不是重新赋值一些具有未知行为的其他变量。我们之前的代码将修改为：
# Finding the winners
winner_mask = data.bid == data.price
# Taking a peek
data.loc[winner_mask].head()
# Doing analysis
mean_win_time = data.loc[winner_mask, 'bidtime'].mean() ... # 20 lines of code mode_open_bid = data.loc[winner_mask, 'openbid'].mode() # Updating the username data.loc[304, 'bidder'] = 'therealname' 在更复杂的情况下，例如修改 DataFrame 子集的子集，不要使用链式索引，可以在原始 DataFrame 上通过 loc 进行修改。例如，你可以更改上面的新 winner_mask 变量或创建一个选择中标者子集的新变量，如下所示：
high_winner_mask = winner_mask & (data.price > 150)
data.loc[high_winner_mask].head()
| auctionid | bid | bidtime | bidder | bidderrate | openbid | price | bidtime_hours | |
|---|---|---|---|---|---|---|---|---|
| 225 | 8213387444 | 152.0 | 2.919757 | uconnbabydoll1975 | 15 | 0.99 | 152.0 | 70.074168 |
| 328 | 8213935134 | 207.5 | 2.983542 | toby2492 | 0 | 0.10 | 207.5 | 71.605008 |
| 416 | 8214430396 | 199.0 | 2.990463 | volpendesta | 4 | 9.99 | 199.0 | 71.771112 |
| 531 | 8215582227 | 152.5 | 2.999664 | ultimatum_man | 2 | 60.00 | 152.5 | 71.991936 |
这种技术会使得未来的代码库维护和扩展更加稳健。
历史
你可能想知道为什么要造成这么混乱的现状，为什么不明确指定索引方法是返回视图还是副本，来完全避免 SettingWithCopy 问题。要理解这一点，我们必须研究 Pandas 的过去。
Pandas 确定返回一个视图还是一个副本的逻辑，源于它对 NumPy 库的使用，这是 Pandas 库的基础。视图实际上是通过 NumPy 进入 Pandas 的词库的。实际上，视图在 NumPy 中很有用，因为它们能够可预测地返回。由于 NumPy 数组是单一类型的，因此 Pandas 尝试使用最合适的 dtype 来最小化内存处理需求。因此，包含单个 dtype 的 DataFrame 切片可以作为单个 NumPy 数组的视图返回，这是一种高效处理方法。但是，多类型的切片不能以相同的方式存储在 NumPy 中。Pandas 兼顾多种索引功能，并且保持高效地使用其 NumPy 内核的能力。
最终，Pandas 中的索引被设计为有用且通用的方式，其核心并不完全与底层 NumPy 数组的功能相结合。随着时间的推移，这些设计和功能元素之间的相互作用，导致了一组复杂的规则，这些规则决定了返回视图还是副本。经验丰富的 Pandas 开发者通常都很满意 Pandas 的做法，因为他们可以轻松地浏览其索引行为。
不幸的是，对于 Pandas 的新手来说，链式索引几乎是不可避免的，因为 get 操作返回的就是可索引的 Pandas 对象。此外，用 Pandas 的核心开发人员之一 Jeff Reback 的话来说，“从语言的角度来看，直接检测链式索引是不可能的，必须经过推断才能了解”。
因此，在 2013 年底的 0.13.0 版本中引入了警告，作为许多开发者遇到链式赋值导致的无声失败的解决方案。
在 0.12 版本之前，ix 索引器是最受欢迎的（在 Pandas 术语中，“索引器”比如 ix，loc 和 iloc，是一种简单的结构，允许使用方括号来索引对象，就像数组一样，但具有一些特殊的用法）。但是大约在 2013 年中 ，Pandas 项目开始意识到日益增加的新手用户的重要性，有动力开始提高新手用户的使用体验。自从此版本发布以来，loc 和 iloc 索引器因其更明确的性质和更易于解释的用法而受到青睐。（译者注：pandas v0.23.3 (July 7, 2018)，其中 ix 方法已经被弃用）
SettingWithCopyWarning 在推出后持续改进，多年来在许多 GitHub issue 中得到了热烈的讨论 ，甚至还在不断更新 ，但是要理解它，仍然是成为 Pandas 专家的关键。
总结
SettingWithCopyWarning 的基础复杂性是 Pandas 库中为数不多的坑。这个警告的源头深深嵌在库的底层中，不应被忽视。Jeff Reback 自己的话 ，“我没有找到任何你应该忽略这个警告的情况。如果你做某些类型的索引时不起作用，而其他情况下起作用，你是在玩火。”
幸运的是，解决警告只需要识别链式赋值并修复。如果整篇文章你只了解到了一件事，那么就应该是这一点。
作者：笨熊不紧张
链接：https://www.jianshu.com/p/72274ccb647a
來源：简书
简书著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。