Python pandas.DataFrame:inplace=True与指定相同变量之间的差异？

我正在熊猫数据框内用

np.nan

替换

-np.inf

和

np.inf

但是，使用inplace=True，我得到一个警告：

df.replace([np.inf, -np.inf], np.nan, inplace = True)

SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame

尽管只是将变量重新分配给自身（不确定这是否是一个明智的想法），但这似乎“解决”了问题：

df = df.replace([np.inf, -np.inf], np.nan)

我在另一个问题中读到python区分副本和视图，如果不清楚，修改一个变量也会影响另一个变量

是否应限制使用

就地

正如背景：我有一个包含股票价格的数据框架，但是缺少价值。我有一个使用此数据帧的函数，但在处理之前会“清理”数据

def func(df):
   df_aux = df.dropna(axis = 1)
   df_aux.replace([np.inf, -np.inf], np.nan, inplace = True)
   df_aux.fillna(method = 'ffill', inplace = True)

   some calculation with df_aux

   return x

你需要：

如果您稍后修改
df_aux
中的值，您会发现修改不会传播回原始数据
df
，并且熊猫会发出警告。
jezrael的答案只是假设您要复制，从而使警告静音

如果您希望修改而不是复制，则使用
in place
是有效的，但您需要始终如一地使用它以避免警告：

def func(df):
   df.dropna(axis = 1, inplace=True)
   df.replace([np.inf, -np.inf], np.nan, inplace=True)
   df.fillna(method = 'ffill', inplace=True)

   # some calculation with df

   return x

def func(df):
   df.dropna(axis = 1, inplace=True)
   df.replace([np.inf, -np.inf], np.nan, inplace=True)
   df.fillna(method = 'ffill', inplace=True)

   # some calculation with df

   return x