Python 熊猫设置与复制警告：I'；我完全糊涂了

当我运行以下代码段时，我得到了臭名昭著的pandas设置WithCopyWarning：

for i in range(1, N):
    if df['deltaPressure'][i] < CLUSTER_THRESHOLD:
        df['Cluster'][i] = df['Cluster'][i-1]
    else:
        df['Cluster'][i] = df['Cluster'][i-1] + 1

范围（1，N）内的i的

：
如果df['deltaPressure'][i]

我尝试通过添加.copy（）来修复它，如下所示：

for i in range(1, N):
    if df['deltaPressure'][i] < CLUSTER_THRESHOLD:
        df['Cluster'][i] = df['Cluster'][i-1].copy()
    else:
        df['Cluster'][i] = df['Cluster'][i-1].copy() + 1

范围（1，N）内的i的

：
如果df['deltaPressure'][i]

不幸的是，我没有得到任何改变的警告。大量的谷歌搜索和StackOverflow并没有让我更进一步地理解语法中的根本错误，或者我是如何无意中链接的。代码似乎运行正常，但我讨厌忽略错误消息，希望它们被证明是无关的

我非常感谢您对我的代码进行修复，并简单解释一下.copy（）对我没有好处的原因

谨此致以诚挚的谢意

---

Thomas Philips

问题在于，您同时使用了

\uuuuuu setitem\uuuuuuuuuu

和

\uuuuuuu getitem\uuuuuuuuuu

：

• df['Cluster']

  ：

  \uuuu getitem\uuuu

• \ui]=

  \uuuuuuuuuu设置项目

如中所述，“pandas无法保证第一个getitem是否返回基础数据的视图或副本。将对上面我调用的东西进行更改，这是1中getitem的结果。但我们不知道，\与原始的“

df

共享相同的内存

您应该改用

loc

/

iloc

编辑：重新阅读您的问题，我添加了另一种可能性，以实现您在没有for循环的情况下所做的事情：

import pandas as pd
import numpy as np
N = 100
CLUSTER_THRESHOLD = 50
df = pd.DataFrame({"deltaPressure": np.random.randint(1,100, N),
                   "Cluster": np.random.randint(1,5,N)})
df["top"] = df["deltaPressure"]<CLUSTER_THRESHOLD
df["Cluster"] = np.where(df["top"], df["Cluster"].shift(), df["Cluster"].shift() + 1)

作为pd进口熊猫
将numpy作为np导入
N=100
集群_阈值=50
df=pd.DataFrame（{“deltaPressure”：np.random.randint（1100，N），
“簇”：np.random.randint（1,5，N）}）
df[“top”]=df[“deltaPressure”]问题在于您同时使用
\uuuuu setitem\uuuuuuuu
和
\uuuu getitem\uuuuuu
：


df['Cluster']
：
\uuuu getitem\uuuu
\ui]=
\uuuuuuuuuu设置项目

如中所述，“pandas无法保证第一个getitem是否返回基础数据的视图或副本。将对上面我调用的东西进行更改，这是1中getitem的结果。但我们不知道，\与原始的“
df
共享相同的内存

您应该改用
loc
/
iloc

编辑：重新阅读您的问题，我添加了另一种可能性，以实现您在没有for循环的情况下所做的事情：


import pandas as pd
import numpy as np
N = 100
CLUSTER_THRESHOLD = 50
df = pd.DataFrame({"deltaPressure": np.random.randint(1,100, N),
                   "Cluster": np.random.randint(1,5,N)})
df["top"] = df["deltaPressure"]<CLUSTER_THRESHOLD
df["Cluster"] = np.where(df["top"], df["Cluster"].shift(), df["Cluster"].shift() + 1)


作为pd进口熊猫
将numpy作为np导入
N=100
集群_阈值=50
df=pd.DataFrame（{“deltaPressure”：np.random.randint（1100，N），
“簇”：np.random.randint（1,5，N）}）
df[“top”]=df[“deltaPressure”]这确实有效——尽管我必须说这根本不是直观的，即使在盯着它看了一会儿。这似乎确实与熊猫的实施方式有关。有了你的建议和谷歌，我在网上找到了一个全面的答案

感谢一个磨坊。
这确实有效——尽管我必须说这根本不是直觉，即使在盯着它看了一会儿之后。这似乎确实与熊猫的实施方式有关。有了你的建议和谷歌，我在网上找到了一个全面的答案

谢谢大家。
实际上我做到了，没有任何影响-我的代码现在是：df['Cluster'].iloc[I]=df['Cluster'].iloc[I]=I.iloc[I-1].copy（）和df['Cluster'].iloc[I]=df['Cluster'].iloc[I-1].copy（）。不幸的是，我仍然得到警告！因此产生了混淆。您是否尝试过在列选择中使用iloc包括
df.iloc[i，df.columns.get_loc（“Cluster”）]=df.iloc[i-1，df.columns.get_loc（“Cluster”）]+1
？事实上是这样做的，没有任何影响-我的代码现在是：df['Cluster'].iloc[i]=df['Cluster'].iloc[i-1].copy（）和df['Cluster'.iloc[i]=df['Cluster'.iloc][i-1].copy（）+1.不幸的是，我仍然收到警告！因此产生了混乱。您是否尝试将iloc包括用于列选择
df.iloc[i，df.columns.get_loc（“Cluster”）]=df.iloc[i-1，df.columns.get_loc（“Cluster”）]+1
？