Pandas: .loc [...] = मान देता है SettingWithCopyWarning

@ NadiaRom क्या आप एक पूर्ण उदाहरण प्रदान कर सकते हैं? यह निश्चित रूप से कहना मुश्किल है, लेकिन मुझे संदेह है कि df एक ऑपरेशन से आया है जो एक दृश्य या प्रतिलिपि हो सकता है। उदाहरण के लिए:

In [8]: df = pd.DataFrame({"A": [1, 2], "B": [3, 4], "C": [4, 5]})

In [9]: df1 = df[['A', 'B']]

In [10]: df1.loc[0, 'A'] = 5
/Users/taugspurger/Envs/pandas-dev/lib/python3.6/site-packages/pandas/pandas/core/indexing.py:180: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
  self._setitem_with_indexer(indexer, value)
/Users/taugspurger/Envs/pandas-dev/bin/ipython:1: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
  #!/Users/taugspurger/Envs/pandas-dev/bin/python3.6

इसलिए हम df1 सही ढंग से अपडेट कर रहे हैं। अस्पष्टता है कि क्या df अपडेट किया जाएगा या नहीं। मुझे लगता है कि आपके साथ भी कुछ ऐसा ही हो रहा है, लेकिन एक प्रतिलिपि प्रस्तुत करने योग्य उदाहरण के बिना यह सुनिश्चित करना मुश्किल है।

@TomAugspurger यहाँ कोड है, सामान्य तौर पर, मैं कभी भी .loc के बिना पांडा को मान नहीं देता

df = pd.read_csv('df_unicities.tsv', sep='\t')
df.replace({'|': '--'}, inplace=True)

df_c = df.loc[df.encountry == country, : ]

df_c['sort'] = (df_c.encities_ua == 'all').astype(int) # new column
df_c['sort'] += (df_c.encities_foreign == 'all').astype(int)
df_c.sort_values(by='sort', inplace=True)

# ---end of chunk, everything is fine ---

if df_c.encities_foreign.str.contains('all').sum() < len(df_c):
    df_c.loc[df_c.encities_foreign.str.contains('all'), 'encities_foreign'] = 'other'
    df_c.loc[df_c.cities_foreign.str.contains('всі'), 'cities_foreign'] = 'інші'
else:
    df_c.loc[df_c.encities_foreign.str.contains('all'), 'encities_foreign'] = country
    df_c.loc[df_c.cities_foreign.str.contains('всі'), 'cities_foreign'] = df_c.country.iloc[0]

if df_c.encities_ua.str.contains('all').sum() < len(df_c):
    df_c.loc[df_c.encities_ua.str.contains('all'), 'encities_ua'] = 'other'
    df_c.loc[df_c.cities_ua.str.contains('всі'), 'cities_ua'] = 'інші'
else:
    df_c.loc[df_c.encities_ua.str.contains('all'), 'encities_ua'] = 'Ukraine'
    df_c.loc[df_c.cities_ua.str.contains('всі'), 'cities_ua'] = 'Україна'

# Warning after it

तेजी से उत्तर के लिए धन्यवाद!

यहाँ मुद्दा यह है कि आप लाइन में .loc साथ पहले आपको डेटाफ़्रेम स्लाइस कर रहे हैं। उस स्लाइस को मान असाइन करने का प्रयास।

df_c = df.loc[df.encountry == country, :]

यदि आप अपने df_c स्लाइस को मान असाइन करना चाहते हैं, तो पंडों को 100% यकीन नहीं है, या यह सभी तरह से मूल df तक का प्रचार करता है। इससे बचने के लिए जब आप पहली बार df_c तो सुनिश्चित करें कि आप पंडों को बताएं कि यह उपयोग करके अपना स्वयं का डेटा फ़्रेम है (और स्लाइस नहीं)

df_c = df.loc[df.encountry == country, :].copy()

ऐसा करने से आपकी त्रुटि ठीक हो जाएगी। मैं उपरोक्त उदाहरण को समझाने में मदद करने के लिए एक संक्षिप्त उदाहरण पर बात करूँगा क्योंकि मैंने देखा है कि बहुत सारे उपयोगकर्ता इस पहलू में पांडा से भ्रमित होते हैं।

बना हुआ डेटा के साथ उदाहरण

>>> import pandas as pd
>>> df = pd.DataFrame({'A':[1,2,3,4,5], 'B':list('QQQCC')})
>>> df
   A  B
0  1  Q
1  2  Q
2  3  Q
3  4  C
4  5  C
>>> df.loc[df['B'] == 'Q', 'new_col'] = 'hello'
>>> df
   A  B new_col
0  1  Q   hello
1  2  Q   hello
2  3  Q   hello
3  4  C     NaN
4  5  C     NaN

तो जैसा कि हम उम्मीद करते हैं उपरोक्त कार्य! अब एक उदाहरण देने की कोशिश करते हैं जो आपके डेटा के साथ क्या करने का प्रयास करता है।

>>> df = pd.DataFrame({'A':[1,2,3,4,5], 'B':list('QQQCC')})
>>> df_q = df.loc[df['B'] == 'Q']
>>> df_q
   A  B
0  1  Q
1  2  Q
2  3  Q
>>> df_q.loc[df['A'] < 3, 'new_col'] = 'hello'
/Users/riddellcd/anaconda/lib/python3.6/site-packages/pandas/core/indexing.py:337: 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[key] = _infer_fill_value(value)

>>> df_q
   A  B new_col
0  1  Q   hello
1  2  Q   hello
2  3  Q     NaN

लगता है कि हमने वही त्रुटि मारी! लेकिन जैसा कि हमने उम्मीद की थी, यह df_q बदल गया! ऐसा इसलिए है क्योंकि df_q df का एक स्लाइस है, भले ही हम उपयोग कर रहे हैं। हालांकि [] df_q पांडा हमें चेतावनी दे रहे हैं कि यह परिवर्तनों को प्रचारित नहीं करेगा। से df । इससे बचने के लिए, हमें और अधिक स्पष्ट होने की आवश्यकता है और यह कहना है कि df_q अपनी स्वयं की डेटाफ़्रेम है, स्पष्ट रूप से ऐसा घोषित करके df से अलग है।

df_q से वापस शुरू करें लेकिन इस बार .copy() करें।

>>> df_q = df.loc[df['B'] == 'Q'].copy()
>>> df_q
   A  B
0  1  Q
1  2  Q
2  3  Q

Lets try to reassign our value now!
>>> df_q.loc[df['A'] < 3, 'new_col'] = 'hello'
>>> df_q
   A  B new_col
0  1  Q   hello
1  2  Q   hello
2  3  Q     NaN

यह बिना किसी त्रुटि के काम करता है क्योंकि हमने पांडा को बताया है कि df_q df से अलग है

आप वास्तव में करने के लिए इन परिवर्तनों को चाहते हैं, तो df_c अप करने के लिए प्रचार करने के लिए df पूरी तरह से एक अन्य बिंदु thats और अगर आप चाहते हैं का जवाब देंगे।

@ क्रिसलर ग्रेट, धन्यवाद !
जैसा कि आपने उल्लेख किया है, जंजीर .loc ने अप्रत्याशित परिणाम कभी नहीं लौटाए हैं। जैसा कि मैं समझता हूं, .copy() पांडों को सुनिश्चित करता है कि हम चयनित df_sliced_once को अलग वस्तु के रूप में मानते हैं और प्रारंभिक पूर्ण df बदलने का इरादा नहीं रखते हैं। कृपया सही है अगर मैं smth मिलाया।

प्रलेखन यहाँ है http://pandas.pydata.org/pandas-docs/stable/indexing.html#returning -एक-व्यू बनाम एक कॉपी और @CRiddler एक अच्छा expl है। आपको सामान्य रूप से inplace का उपयोग बिल्कुल नहीं करना चाहिए।

यदि आप वास्तव में इन परिवर्तनों को df_c df प्रचारित करना चाहते हैं, तो यह पूरी तरह से एक और बिंदु है और यदि आप चाहें तो उत्तर देंगे।

@ क्रिसलर धन्यवाद आपका उत्तर स्टैक ओवरफ्लो वाले लोगों की तुलना में बेहतर है जब आप प्रारंभिक डेटाफ़्रेम का प्रचार करना चाहते हैं या यह कैसे किया जाता है इसका संकेत दे सकते हैं?

@ सामान्य तौर पर मुझे मदद के लिए मोड़ना पसंद नहीं है, लेकिन ऐसा लगता है कि इस मुद्दे पर पिछली पोस्टिंग के बाद से थोड़ा ध्यान दिया गया है, इसलिए मैं आगे जाऊंगा और इस प्रकार की समस्या से निपटने के अपने तरीके को पोस्ट करूंगा। पांडा। मैं आमतौर पर डेटाफ़्रेम को अलग-अलग चर में नहीं घटाकर ऐसा करता हूं, लेकिन मैं इसके बजाय मुखौटे को चर में बदल देता हूं- फिर मास्क को आवश्यकतानुसार जोड़ दें और मूल डेटाफ़्रेम में होने वाले परिवर्तनों को सुनिश्चित करने के लिए उन मास्क के आधार पर मान सेट करें, और कुछ को घूमने के लिए नहीं। ।

मूल डेटा:

>>>import pandas as pd
>>> df = pd.DataFrame({'A':[1,2,3,4,5], 'B':list('QQQCC')})
>>> df
   A  B
0  1  Q
1  2  Q
2  3  Q
3  4  C
4  5  C

याद रखें कि अस्थायी डेटाफ़्रेम बनाने से परिवर्तनों का प्रसार नहीं होगा
जैसा कि पिछले उदाहरण में दिखाया गया है, यह केवल df_q परिवर्तन करता है और एक पांडा चेतावनी (यहां कॉपी / पेस्ट नहीं की गई) उठाता है। और df किसी भी परिवर्तन का प्रचार नहीं करता है

>>> df_q = df.loc[df["B"] == "Q"]
>>> df_q.loc[df["A"] < 3, "new_column"] = "hello"

# df remains unchanged because we only made changes to `df_q`
>>> df
   A  B
0  1  Q
1  2  Q
2  3  Q
3  4  C
4  5  C

मेरी जानकारी के लिए, उपरोक्त डेटा के समान कोड का उपयोग करने का कोई तरीका नहीं है और मूल डेटाफ़्रेम में वापस प्रचार करने के लिए परिवर्तन करने के लिए बाध्य है।

हालाँकि, अगर हम अपनी सोच को थोड़ा बदल दें और फुल-ऑन सबसेट के बजाय मास्क के साथ काम करें तो हम वांछित परिणाम प्राप्त कर सकते हैं। हालांकि यह जरूरी नहीं है कि किसी उपसेट से मूल डेटाफ्रेम में "प्रचारित" बदलाव हो, हम यह सुनिश्चित कर रहे हैं कि हम जो भी बदलाव करें वह मूल डेटाफ्रेम df । ऐसा करने के लिए, हम पहले मास्क बनाते हैं, फिर उन्हें लागू करते हैं जब हम df उस सबसेट में बदलाव करना चाहते हैं

>>> q_mask = df["B"] == "Q"
>>> a_mask = df["A"] < 3

# Combine masks (in this case we used "&") to achieve what a nested subset would look like
#  In the same step we add in our item assignment. Instructing pandas to create a new column in `df` and assign
#  the value "hello" to the rows in `df` where `q_mask` & `a_mask` overlap.
>>> df.loc[q_mask & a_mask, "new_col"] = "hello"

# Successful "propagation" of new values to the original dataframe
>>> df
   A  B new_col
0  1  Q   hello
1  2  Q   hello
2  3  Q     NaN
3  4  C     NaN
4  5  C     NaN

अंत में, अगर हम कभी भी यह देखना चाहते हैं कि df_q कैसा दिखेगा तो हम इसे हमेशा अपने q_mask का उपयोग करके मूल डेटाफ़्रेम से हटा सकते हैं।

>>> df.loc[q_mask, :]
   A  B new_col
0  1  Q   hello
1  2  Q   hello
2  3  Q     NaN

जबकि यह जरूरी नहीं है कि "प्रचार" df_q से df हम एक ही परिणाम प्राप्त करते हैं। वास्तविक प्रसार को स्पष्ट रूप से करने की आवश्यकता होगी और केवल मास्क के साथ काम करने की तुलना में कम कुशल होगा।

@ क्रिसलर धन्यवाद, आप बहुत मददगार रहे हैं