Pandas 在使用.loc时设置了复制警告

我试图根据条件更改数据帧列中的值

In [1]:df.head()
Out[2]:                gen        cont  
timestamp                                                                   
2012-07-01 00:00:00        0.293        0    
2012-07-01 00:30:00        0.315        0    
2012-07-01 01:00:00        0.0          0    
2012-07-01 01:30:00        0.005        0    
2012-07-01 02:00:00        0.231        0    

每当两列之和低于阈值0.01时，我想将

'gen'

列设置为

NaN

，因此我想要的是：

In [1]:df.head()
Out[2]:                gen        cont  
timestamp                                                                   
2012-07-01 00:00:00        0.293        0    
2012-07-01 00:30:00        0.315        0    
2012-07-01 01:00:00        NaN          0    
2012-07-01 01:30:00        NaN          0    
2012-07-01 02:00:00        0.231        0  

我用过这个：

df.loc[df.gen + df.con <0.01 ,'gen'] = np.nan

---

我很困惑，因为我正在使用.loc，而且我认为我正在以建议的方式使用它

对我来说，你的解决方案很有效

使用的替代解决方案，默认情况下，如果条件为真，则添加

NaN

：

df['gen'] = df['gen'].mask(df['gen'] + df['cont'] < 0.01)
print (df)
             timestamp    gen  cont
0  2012-07-01 00:00:00  0.293     0
1  2012-07-01 00:30:00  0.315     0
2  2012-07-01 01:00:00    NaN     0
3  2012-07-01 01:30:00    NaN     0
4  2012-07-01 02:00:00  0.231     0

---

该代码除了使用点访问列，因为属性看起来是有效的，您必须在这之前做一些事情才能生成警告。您是否在这些行之前过滤了df我之前过滤过df，但警告是由这一行生成的。如果我在控制台中执行该行，它将复制warning@doctorer-您可以添加筛选代码吗？可能需要

df1=df.copy（）

另外，你是说使用点是不好的做法吗？你需要显式调用

copy（）

为了制作副本，你所做的是创建对原始df片段的引用，因此出现警告，因为您现在使用的是

.loc

，这意味着您打算处理df的视图。警告并不总是准确的，但它突出了潜在的问题，访问列的方法是一个旁注这不是OP想要的，他们想要删除警告，他们已经得到了想要的结果result@EdChum-对不起，我认为这是

编辑中的解决方案。或者缺少什么？我想保持df_不变，这就是我复制到新df的原因。是的，然后需要
copy
。另一个解决方案是
overwrite
全部更改为原始
df_in=df_in.loc[sDate:eDate]
，但这不是您想要的。好的，那么执行
copy
就是解决方案，当您声明我得到了我想要的结果，但生成了警告时，我以为您想影响原始df
df['gen'] = df['gen'].mask(df['gen'] + df['cont'] < 0.01)
print (df)
             timestamp    gen  cont
0  2012-07-01 00:00:00  0.293     0
1  2012-07-01 00:30:00  0.315     0
2  2012-07-01 01:00:00    NaN     0
3  2012-07-01 01:30:00    NaN     0
4  2012-07-01 02:00:00  0.231     0

df = df_in.loc[sDate:eDate].copy()