我绕过了 SettingWithCopyWarning，感觉像是错误的方式并且计算效率低下，有没有更好的方法？

Posted 2023-03-11

【中文标题】我绕过了 SettingWithCopyWarning，感觉像是错误的方式并且计算效率低下，有没有更好的方法？

【英文标题】：I got around a SettingWithCopyWarning, feels like the wrong way and computationally inefficient, is there a better way?

【发布时间】：2019-04-26 05:19:05

【问题描述】：

我在尝试更改 DataFrame 中的某些值时遇到了常见的 SettingWithCopyWarning。我找到了一种方法来解决这个问题而不必禁用警告，但我觉得我做错了，而且它是不必要的浪费和计算效率低下。

label_encoded_feature_data_to_be_standardised_X_train = X_train_label_encoded[['price', 'vintage']]
label_encoded_feature_data_to_be_standardised_X_test = X_test_label_encoded[['price', 'vintage']]
label_encoded_standard_scaler = StandardScaler()
label_encoded_standard_scaler.fit(label_encoded_feature_data_to_be_standardised_X_train)

X_train_label_encoded_standardised = label_encoded_standard_scaler.transform(label_encoded_feature_data_to_be_standardised_X_train)
X_test_label_encoded_standardised = label_encoded_standard_scaler.transform(label_encoded_feature_data_to_be_standardised_X_test)

这就是它的设置方式，如果我这样做，我会收到警告：

X_train_label_encoded.loc[:,'price'] = X_train_label_encoded_standardised[:,0]

如果我这样做：

X_train_label_encoded_standardised_df = pd.DataFrame(data=X_train_label_encoded_standardised, columns=['price', 'vintage'])

我通过这样做解决了它：

X_train_label_encoded = X_train_label_encoded.drop('price', axis=1)
X_train_label_encoded['price'] = X_train_label_encoded_standardised_df.loc[:,'price']

这也有效：

X_train_label_encoded.replace(to_replace=X_train_label_encoded['price'], value=X_train_label_encoded_standardised_df['price'])

但即便如此，在创建额外的 DataFrame 时也会感觉过于笨拙。

为什么我不能以某种方式分配列？或者使用一些替换方法的安排？该文档似乎没有解决方案，或者我只是读错了吗？缺少一些明显但未明确说明的解决方案？

有更好的方法吗？

【参考方案1】：

很多时候，这个警告只是一个警告。如果您的代码有效并且您没有使用链式赋值，那么您通常无需担心。

如果您的转换维护索引，包括顺序，并且您的数据是数字，您可以使用pd.DataFrame.values：

X_train_label_encoded['price'] = X_train_label_encoded_standardised.values[:, 0]

这应该回避警告，因为 X_train_label_encoded_standardised.values 评估为较低级别的 NumPy 数组。

【讨论】：

谢谢。最后我只保留了我所拥有的，因为它是最明确的，并且在这种情况下我不严格要求这种效率水平。