极客笔记Pandas 如何处理 SettingWithCopyWarning
在本文中，我们将介绍 Pandas 中的一个常见警告：SettingWithCopyWarning，并提供一些处理它的方法。
在 Pandas 中，有时会出现 SettingWithCopyWarning 警告，这是因为对于 DataFrame 或 Series 的子集进行更新时，可能会出现意外的副作用。这是由于 Pandas 在复制数据时使用了视图（view）和副本（copy）的概念，为了更好地了解这个问题，我们需要先了解视图和副本的区别。
阅读更多：Pandas 教程
视图和副本
在 Pandas 中，对于 DataFrame 或 Series 的子集进行操作时，Pandas 可能返回一个视图或副本。视图是指同一个数据的不同方式的表示，而副本是指一个新的数据拷贝（独立于原始数据）。视图是基于原始数据的，而副本不依赖于原始数据。
我们可以使用 is_copy 方法来判断一个 DataFrame 或 Series 是否是视图或副本。如果它是视图，则返回 True；如果它是副本，则返回 False。
import pandas as pd
df = pd.DataFrame({'a': [1, 2], 'b': [3, 4]})
sub_df = df.loc[0:1, ['a']]
print(sub_df.is_copy)
# True
在上面的例子中，我们创建了一个 DataFrame df，然后选择它的一部分（子集）sub_df。这个子集是 DataFrame 的一个视图，所以 is_copy 方法返回 True。
SettingWithCopyWarning 警告
当一个 DataFrame 或 Series 的子集是视图而不是副本时，对其进行操作可能会对原始数据造成意外的影响。这就是 SettingWithCopyWarning 警告的出现原因。
下面的示例展示了一个出现 SettingWithCopyWarning 警告的情况。我们创建一个 DataFrame df，然后选择其中一列，再将该列的值更新为新的值，并输出原始 DataFrame 的值。
import pandas as pd
df = pd.DataFrame({'a': [1, 2], 'b': [3, 4]})
sub_df = df['a']
sub_df[0] = 99
print(df)
# a b
# 0 99 3
# 1 2 4
在输出中，我们可以看到原始 DataFrame 的值已被更改。这是由于我们选择 DataFrame 的一列返回的是一个视图，而不是一个副本，所以对该视图进行更改会影响原始 DataFrame。
处理 SettingWithCopyWarning 的方法
避免 SettingWithCopyWarning 警告可以采取以下几种方法：
方法一：使用 .loc 或 .iloc 访问子集
使用 .loc 或 .iloc 访问 DataFrame 的子集可以防止出现 SettingWithCopyWarning 警告。
import pandas as pd
df = pd.DataFrame({'a': [1, 2], 'b': [3, 4]})
sub_df = df.loc[0:1, ['a']]
sub_df.loc[0] = 99
print(df)
# a b
# 0 99 3
# 1 2 4
在上面的示例中，我们使用 .loc 访问 DataFrame 的子集，并对该子集进行更新。由于这个子集是副本，而不是视图，所以更新它不会影响原始 DataFrame。
方法二：使用 .copy 复制 DataFrame 或 Series
使用 .copy 方法可以创建一个 DataFrame 或 Series 的副本，对副本进行操作不会影响原始数据。
import pandas as pd
df = pd.DataFrame({'a': [1, 2], 'b': [3, 4]})
sub_df = df[['a']].copy()
sub_df.loc[0] = 99
print(df)
# a b
# 0 1 3
# 1 2 4
在上面的示例中，我们使用 .copy 方法创建 DataFrame 的副本，对副本进行更新。由于副本是独立于原始数据的，所以更新它不会影响原始 DataFrame。
方法三：禁用警告
如果你确定不需要关心 SettingWithCopyWarning 警告，并且希望在运行代码时不受其干扰，可以使用 pd.options.mode.chained_assignment = None 禁用警告。
import pandas as pd
pd.options.mode.chained_assignment = None
df = pd.DataFrame({'a': [1, 2], 'b': [3, 4]})
sub_df = df['a']
sub_df[0] = 99
print(df)
# a b
# 0 99 3
# 1 2 4
在上面的示例中，我们使用 pd.options.mode.chained_assignment = None 禁用了警告，并对 DataFrame 进行了更新。我们应该注意，禁用警告可能会使代码变得更难以调试，并且可能导致出现一些错误。
总结
在 Pandas 中，当我们对 DataFrame 或 Series 的子集进行操作时，可能会出现 SettingWithCopyWarning 警告。这是由于 Pandas 在复制数据时使用了视图和副本的概念。我们可以使用 .loc 或 .iloc 访问 DataFrame 的子集，使用 .copy 创建 DataFrame 或 Series 的副本，或使用 pd.options.mode.chained_assignment = None 禁用警告，来避免出现 SettingWithCopyWarning 警告。