熊猫独立系列和来自数据框的不同行为答案

【问题标题】：pandas standalone series and from dataframe different behavior熊猫独立系列和来自数据框的不同行为
【发布时间】：2017-01-05 00:05:59
【问题描述】：

这是我的代码和警告信息。如果我通过使用s = pd.Series(np.random.randn(5)) 将s 更改为独立的Series，则不会出现此类错误。在 Windows 上使用 Python 2.7。

似乎从独立创建的系列和从数据框的列创建的系列是不同的行为？谢谢。

我的目的是更改 Series 值本身，而不是更改副本。

源代码，

import pandas as pd

sample = pd.read_csv('123.csv', header=None, skiprows=1,
       dtype={0:str, 1:str, 2:str, 3:float})
sample.columns = pd.Index(data=['c_a', 'c_b', 'c_c', 'c_d'])
sample['c_d'] = sample['c_d'].astype('int64')
s = sample['c_d']
#s = pd.Series(np.random.randn(5))
for i in range(len(s)):
    if s.iloc[i] > 0:
        s.iloc[i] = s.iloc[i] + 1
    else:
        s.iloc[i] = s.iloc[i] - 1

警告信息，

C:\Python27\lib\site-packages\pandas\core\indexing.py:132: 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)

123.csv的内容，

c_a,c_b,c_c,c_d
hello,python,numpy,0.0
hi,python,pandas,1.0
ho,c++,vector,0.0
ho,c++,std,1.0
go,c++,std,0.0

编辑1，好像lambda解决方案不起作用，尝试在前后打印s，相同的值，

import pandas as pd

sample = pd.read_csv('123.csv', header=None, skiprows=1,
       dtype={0:str, 1:str, 2:str, 3:float})
sample.columns = pd.Index(data=['c_a', 'c_b', 'c_c', 'c_d'])
sample['c_d'] = sample['c_d'].astype('int64')
s = sample['c_d']
print s
s.apply(lambda x:x+1 if x>0 else x-1)
print s

0    0
1    1
2    0
3    1
4    0
Name: c_d, dtype: int64
Backend TkAgg is interactive backend. Turning interactive mode on.
0    0
1    1
2    0
3    1
4    0

问候，林

【问题讨论】：

标签： python python-2.7 pandas numpy dataframe

【解决方案1】：

通过执行s = sample['c_d']，如果您更改了s 的值，那么您的原始数据框sample 也会更改。这就是你收到警告的原因。

您可以改为使用s = sample[c_d].copy()，这样更改s 的值不会更改Dataframe sample 的c_d 列的值。

【讨论】：

感谢 iparjono，投票。我可能读错了您的消息，这是我收到的警告消息-“试图在 DataFrame 的切片副本上设置值”，我认为这意味着我正在更改列 c_d 的副本，正确的？但是您提到，我正在更改数据框本身-“如果您更改 s 的值，那么您的样本也会更改。这就是您收到警告的原因”？有点困惑，如果你能澄清一下，那就太好了。 :)
我也可能对这条消息感到困惑。但是，执行 s = sample[c_d] 和 s = sample[c_d].copy 会对您的原始 Dataframe sample 产生不同的影响。
我明白了你的想法，感谢 iparjono 耐心地向我解释。将您的回复标记为答案。

【解决方案2】：

我建议你改用 apply 函数：

s.apply(lambda x:x+1 if x>0 else x-1)

【讨论】：

感谢 Shahram，与使用数据框的列作为系列相比，如果我使用独立系列，您如何解释我的代码没有警告？
顺便说一句，Shahram，您的代码似乎无法按预期工作，请参阅我的试用版编辑 1 部分。谢谢。
消息来了，因为您将 Series 的值更改为 Dataframe 列的副本。当然你没有得到独立系列。
@iparjono，感谢您的确认，所以该消息意味着我更改了 Series s（其中s = sample['c_d']）的值，而不是数据框列c_d，因为s 是已经是数据框列c_d 的副本，对吗？