给列赋值如何避免警告

Question

我有一个包含各种列的数据框。我想检查每一行是否满足条件。条件来自另一个 CSV 文件，但在这里我提供一个简化示例来说明我的问题：

条件是价格低于26000。

cars = {'Brand': ['Honda Civic','Toyota Corolla','Ford Focus','Audi A4'],
        'Price': [22000,25000,27000,35000]
        }

mydata = pd.DataFrame(cars, columns = ['Brand','Price'], index=['Car_1','Car_2','Car_3','Car_4'])

数据如下所示：

print (df)
            Brand  Price
Car_1     Honda Civic  22000
Car_2  Toyota Corolla  25000
Car_3      Ford Focus  27000
Car_4         Audi A4  35000

因此，我使用np.nan 创建了另一列，并在for 循环中检查该行是否满足该条件，如果是，则将True 的值赋予该单元格。

mydata['condition'] = np.nan


                Brand  Price  condition
Car_1     Honda Civic  22000        NaN
Car_2  Toyota Corolla  25000        NaN
Car_3      Ford Focus  27000        NaN
Car_4         Audi A4  35000        NaN

我的前循环是这样的：

for i in range(mydata.shape[0]):
 
    mydata.condition.iloc[i] = None

   if (mydata.Price.iloc[i] <= 26000):
                mydata.condition.iloc[i] = True

现在，mydata 看起来像这样：

            Brand  Price condition
Car_1     Honda Civic  22000      True
Car_2  Toyota Corolla  25000      True
Car_3      Ford Focus  27000      None
Car_4         Audi A4  35000      None

如果我使用dropna() 我会得到我想要的结果：

filtered_results=mydata.dropna()


                Brand  Price condition
Car_1     Honda Civic  22000      True
Car_2  Toyota Corolla  25000      True

我的问题是我收到警告，如下所示：

SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame
See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  iloc._setitem_with_indexer(indexer, value)

我的问题是，在这一行中为数据框分配值以避免上述错误的正确/有效方法是什么： mydata.condition.iloc[i] = True

感谢您的帮助。

Answer 1

不要循环，你可以一次性完成：

mydata.loc[mydata.Price <= 26000, 'condition'] = True

Answer 2

您可以将一个函数应用于每一行，无论您有多少条件。您可以向 price_check 添加更多条件以满足您的要求。从您的问题中以及在查看您的 cmets 时，您的确切问题是什么并不完全清楚。如果 Quang Hoang 的解决方案适用于您的问题，那么 Quang Hoang 有一个比使用 apply 更有效的解决方案。

def price_check(row):
    if row['Price'] <= 26000:
        return True
    else:
        return False

mydata['Price_check'] = mydata.apply(price_check, axis=1)

---

Brand   Price           Price  Price_check
Car_1   Honda Civic     22000   True
Car_2   Toyota Corolla  25000   True
Car_3   Ford Focus      27000   False
Car_4   Audi A4         35000   False