DataFrame 链式赋值

在运行以下Python代码时，Pandas抛出SettingWithCopyWarning警告：

row_data = df_pred.loc[key]
row_data['col'] = new_value

df_pred是一个数据框，根据索引从数据框中获取一行，然后对该行的一个字段进行赋值，警告的详细内容如下：

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

该警告的意思是：在DataFrame的一个切片上的copy上进行赋值操作。出现警告是因为该赋值操作可能不会影响到原始的数据框。

从代码上来理解：row_data 是原始数据框的一个切片（df_loc[key]），该切片可能是原始数据框的一个视图（View），也可能是原始数据框的一个副本（Copy）。如果row_data是原始数据框的一个视图，对row_data进行数据修改不会影响到df_pred。建议使用df_pred.loc[row_indx,col_index] 方式，该方式肯定修改原始数据框。

一，深拷贝和浅拷贝

在使用DataFrame修改数据时，要知道深拷贝和浅拷贝的区别。图例描述了浅拷贝和深拷贝的区别，假设B复制了A，当修改B时，如果A也跟着变了，说明这是浅拷贝；如果A没变，那就是深拷贝。

也就是说，浅拷贝是创建了对象的一个引用，而深拷贝是创建了对象的一个独立的实体。

二，数据的视图和副本

在pandas中，浅拷贝也称作数据的视图（View），深拷贝也称作数据的副本（Copy），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）。

SettingWithCopyWarning 警告暗示：赋值操作可能没有按照预期执行，你应该检查结果以确保结果没有出错。

如果你的代码执行的结果符合预期，那么你可以忽略警告，但这并不是良好的编码实践，SettingWithCopyWarning 警告不应该被忽略。在采取下一步行动之前，花点时间了解以下为什么Pandas会抛出这一警告。

三，警告出现的原因

直接抛出结论，警告出现的原因只有一个：

出现警告的原因是链式赋值

当 Pandas 检测到链式赋值（Chained assignment）时会生成警告，链式赋值是指通过使用链式索引来赋值。链式索引（Chaining）是指连续使用多个索引，例如data[1:5][1:3]。

使用链式索引赋值的两种方式：

• 第一种是显式的，索引是连续的，例如，data.iloc[1][3] = value
• 第二种是隐式的，例如，先定义 df = data.iloc[1]，再使用 df[3] = value 也属于链式赋值

链式赋值可以在一行中进行，也可以跨越多行，只要Pandas检测到链式赋值，Python就会抛出SettingWithCopyWarning警告。

1，显式的链式赋值

举个例子，使用链式索引对bidder列进行赋值：

data[data.bidder == 'parakeet2004']['bidderrate'] = 100

生成警告是因为我们把两个索引操作链接在一起，代码中直接使用了两次中括号，所以这种格式比较容易理解。但如果我们使用其他访问方法，例如 .bidderrate、.loc[]、.iloc[]、.ix[]，也是如此，我们的链式操作一个接一个独立执行：

data[data.bidder == 'parakeet2004']
['bidderrate'] = 100

第一次是访问操作（get），返回一个 DataFrame，其包含所有 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 操作是在原始 DataFrame上执行。Pandas 会始终确保下面这样的非链式 set 操作起作用。

data.loc[data.bidder == 'parakeet2004', 'bidderrate'] = 100

2，隐式的链式赋值

举个例子，使用原始数据框的一个变量，对变量赋值，这是隐式的链式赋值：

winners = data.loc[data.bid == data.price]
winners.loc[304, 'bidder'] = 'therealname'

隐式的链式索引可能跨越多行代码发生，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，否则我们不能确认。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 这是创建的一个副本，对副本的修改不会影响到原始对象：

winners = data.loc[data.bid == data.price].copy()
winners.loc[304, 'bidder'] = 'therealname'

敲门就是，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，请使用单一索引赋值操作。如果你想要一个副本，请确保显式调用copy()函数强制让 Pandas 创建副本。

提一个中肯的建议，即使SettingWithCopyWarning警告只在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。不仅因为链式操作较慢，而且因为链式索引始终是一个潜在的问题，只要你稍后进行赋值操作，就可能不会影响到原始对象，这可能不是你的预期操作，所以，请不惜一切代价避免使用链式索引。

参考文档：

python学习笔记之Pandas 中 SettingwithCopyWarning 的原理和解决方案

SettingwithCopyWarning: How to Fix This Warning in Pandas