Python 在预测建模脚本中设置CopyWarning
我有一个脚本，可以进行一些预测建模，并使用熊猫数据帧。脚本正在抛出一个带有CopyWarning的设置，但是堆栈跟踪指向pandas库而不是我的代码 我已经缩小了引起警告的代码行 如何更改代码以避免引发此警告 我不想抑制此警告，我想修复它 谢谢 这是引起警告的线路Python 在预测建模脚本中设置CopyWarning,python,pandas,Python,Pandas,我有一个脚本，可以进行一些预测建模，并使用熊猫数据帧。脚本正在抛出一个带有CopyWarning的设置，但是堆栈跟踪指向pandas库而不是我的代码 我已经缩小了引起警告的代码行 如何更改代码以避免引发此警告 我不想抑制此警告，我想修复它 谢谢 这是引起警告的线路 next_round_x.loc[:, feature_cols] = scaler.transform(next_round_x[feature_cols]) 这是正在发出的警告： /home/ubuntu/environment
next_round_x.loc[:, feature_cols] = scaler.transform(next_round_x[feature_cols])
/home/ubuntu/environment/virtualenvs/predictions/lib/python3.6/site-packages/pandas/core/indexing.py:966: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead
See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
self.obj[item] = s
def create_predictions（）：
#获取清理后的AFL数据集和列顺序
afl_data=afl_data_cleaning_v2.准备afl_data（）
有序列=afl\u data.columns
下周赔率=获取下周赔率（“数据/周赔率.csv”）
fixture=get_fixture（“data/afl_fixtures.csv”）
下周数据=获取下周数据（afl数据）
游戏ID下一轮=创建下一周游戏ID（afl数据）
下周
#将下周的比赛添加到我们的afl_数据框架中
afl_data=afl_data.append（下一周）df.reset_索引（drop=True）
#附加下周的游戏以匹配结果（我们需要这样做才能运行我们的功能创建）
match_results=afl_data_cleaning_v2.获取_cleaned_match_results（）.追加（下周）
#将下周的比赛附加到赔率上
赔率=（afl\u数据\u清理\u v2.get\u cleaned\u赔率（）.pipe（lambda df:df.append（下一周\u df[df.columns]））
.reset_索引（drop=True））
特征\u df=afl\u特征\u创建\u v2.准备\u afl\u特征（afl\u数据=afl\u数据，匹配结果=匹配结果，赔率=赔率）
#通过只获取下周df中没有的游戏ID来获取火车df
train\u df=features\u df[~features\u df.game.isin（下周\u df.game）]
#获取结果并合并到要素
匹配结果=（pd.read\u csv（“data/afl\u match\u results.csv”）
.rename（列={'Game'：'Game'}）
.assign（结果=lambda df:df.apply（如果行['Home.Points']>行['Away.Points']，则lambda行：1，否则为0，轴=1）））
train_df=pd.merge（train_df，match_results['game'，'result']]，on='game'）
列x=列df.drop（列=['result']）
列车y=列车df.结果
下一轮=features\u df[features\u df.game.isin（下一周\u df.game）]
#拟合逻辑回归模型-请注意，我们的预测结果按[客场球队概率，主场球队概率]的顺序排列
lr_最佳参数={'C'：0.01，
“类重量”：无，
“双重”：假，
“fit_intercept”：正确，
“截距缩放”：1，
“最大值”：100，
“多类”：“ovr”，
“n_jobs”：1，
“惩罚”：“l2”，
“随机状态”：无，
“解算器”：“牛顿cg”，
“tol”：0.0001，
“详细”：0，
“热启动”：False}
特征_cols=[col for col in train_df，如果col.startswith（'f_'）]
#比例特征
scaler=StandardScaler（）
train\ux[feature\u cols]=定标器.fit\u变换（train\ux[feature\u cols]）
下一轮[feature\u cols]=scaler.transform（下一轮[feature\u cols]）下一轮[code>df\u copy=next\u-round\u x.copy（）.loc[：，feature\u cols]df-copy=scaler.transform（df\u copy[feature\u cols]）next\u-round\u-x=features\u-df.game.isin（下一周游戏）].copy（）.copy（）.copy（）next\u round\u x.copy（）.loc[：，feature\u cols]df\u copy=scaler.transform（df\u copy[feature\u cols]）.copy（）.copy（）