用户警告：Pandas 不允许通过新属性名称创建列

Posted 2023-03-11

【中文标题】用户警告：Pandas 不允许通过新属性名称创建列

【英文标题】：UserWarning: Pandas doesn't allow columns to be created via a new attribute name

【发布时间】：2019-02-07 08:06:15

【问题描述】：

我被我的熊猫脚本困住了。

实际上，我正在处理两个 csv 文件（一个输入文件和另一个输出文件）。 我想复制两列的所有行并进行计算，然后将其复制到另一个数据框（输出文件）。

各栏目如下：

'lat', 'long','PHCount', 'latOffset_1', 'longOffset_1','PH_Lat_1', 'PH_Long_1', 'latOffset_2', 'longOffset_2', 'PH_Lat_2', 'PH_Long_2', 'latOffset_3', 'longOffset_3','PH_Lat_3', 'PH_Long_3',  'latOffset_4', 'longOffset_4','PH_Lat_4', 'PH_Long_4'.

我想获取 'lat' 和 'latOffset_1' 列，进行一些计算并将其放入我已经创建的另一个新列（'PH_Lat_1'）中。

我的功能是：

def calculate_latoffset(latoffset):  #Calculating Lat offset.
    a=(df2['lat']-(2*latoffset))
    return a

主要代码：

for i in range(1,5):
        print(i)
        a='PH_lat_%d' % i 
        print (a)
        b='latOffset_%d' % i
        print (b)
        df2.a = df2.apply(lambda x: calculate_latoffset(x[b]), axis=1)

由于列名仅相差 (1,2,3,4)。所以我想调用函数calculate_latoffset并一次性计算所有列（PH_Lat_1，PH_Lat_2，PH_Lat_3，PH_Lat_4）的所有行。

当使用上面的代码时，我得到了这个错误：

basic_conversion.py:46: UserWarning: Pandas doesn't allow columns to be created via a new attribute name - see https://pandas.pydata.org/pandas-docs/stable/indexing.html#attribute-access
  df2.a = df2.apply(lambda x: calculate_latoffset(x[b]), axis=1)

有可能吗？ 请帮忙

【问题讨论】：

相关：***.com/q/41130255/2303761

【参考方案1】：

只需使用df2['a'] 而不是df2.a

【参考方案2】：

这是一个警告而不是错误，因此您的代码仍然可以运行，但可能不符合您的意图。

简短回答：要为 DataFrame 创建一个新列，永远不要使用属性访问，正确的方法是使用[] 或.loc 索引：

>>> df
   a  b
0  7  6
1  5  8
>>> df['c'] = df.a + df.b 
>>> # OR
>>> df.loc[:, 'c'] = df.a + df.b
>>> df # c is an new added column
   a  b   c
0  7  6  13
1  5  8  13

---

再解释一下，Seires 和 DataFrame 是 pandas 的核心类和数据结构，当然它们也是 Python 类，所以在涉及到 pandas DataFrame 和普通 Python 对象的属性访问时，会有一些细微的区别。但它是well documented，很容易理解。只需注意几点：

在 Python 中，用户可以使用属性访问将自己的数据属性动态添加到实例对象中。

>>> class Dog(object):
...     pass
>>> dog = Dog()
>>> vars(dog)

>>> superdog = Dog()
>>> vars(superdog)

>>> dog.legs = 'I can run.'
>>> superdog.wings = 'I can fly.'
>>> vars(dog)
'legs': 'I can run.'
>>> vars(superdog)
'wings': 'I can fly.'

在pandas中，index和column与数据结构密切相关，你可以访问一个Series上的索引，一个列上的列DataFrame 作为属性。

>>> import pandas as pd
>>> import numpy as np
>>> data = np.random.randint(low=0, high=10, size=(2,2))
>>> df = pd.DataFrame(data, columns=['a', 'b'])
>>> df
   a  b
0  7  6
1  5  8
>>> vars(df)
'_is_copy': None, 
 '_data': BlockManager
    Items: Index(['a', 'b'], dtype='object')
    Axis 1: RangeIndex(start=0, stop=2, step=1)
    IntBlock: slice(0, 2, 1), 2 x 2, dtype: int64,
 '_item_cache': 

但是，pandas 属性访问主要是为了方便读取和修改数据帧的系列或列的现有元素。

>>> df.a
0    7
1    5
Name: a, dtype: int64
>>> df.b = [1, 1]
>>> df
   a  b
0  7  1
1  5  1

而且，便利性是完整功能的折衷。例如。您可以使用列名['space bar', '1', 'loc', 'min', 'index'] 创建一个 DataFrame 对象，但不能将它们作为属性访问，因为它们不是有效的 Python 标识符 1、space bar 或与现有方法名称冲突。

>>> data = np.random.randint(0, 10, size=(2, 5))
>>> df_special_col_names = pd.DataFrame(data, columns=['space bar', '1', 'loc', 'min', 'index'])
>>> df_special_col_names
   space bar  1  loc  min  index
0          4  4    4    8      9
1          3  0    1    2      3

在这些情况下，.loc、.iloc 和 [] 索引是 the defined way 以完全访问/操作索引和 Series 和 DataFrame 对象的列。

>>> df_special_col_names['space bar']
0    4
1    3
Name: space bar, dtype: int64
>>> df_special_col_names.loc[:, 'min']
0    8
1    2
Name: min, dtype: int64
>>> df_special_col_names.iloc[:, 1]
0    4
1    0
Name: 1, dtype: int64

关于主题，为DataFrame创建一个新列，如您所见，df.c = df.a + df.b只是在核心数据结构旁边创建了一个新属性，所以从版本0.21.0 及更高版本，此行为将引发UserWarning（不再沉默）。

>>> df
   a  b
0  7  1
1  5  1
>>> df.c = df.a + df.b
__main__:1: UserWarning: Pandas doesn't allow columns to be created via a new attribute name - see https://pandas.pydata.org/pandas-docs/stable/indexing.html#attribute-access
>>> df['d'] = df.a + df.b
>>> df
   a  b  d
0  7  1  8
1  5  1  6
>>> df.c
0    8
1    6
dtype: int64
>>> vars(df)
'_is_copy': None, 
 '_data': 
    BlockManager
    Items: Index(['a', 'b', 'd'], dtype='object')
    Axis 1: RangeIndex(start=0, stop=2, step=1)
    IntBlock: slice(0, 2, 1), 2 x 2, dtype: int64
    IntBlock: slice(2, 3, 1), 1 x 2, dtype: int64, 
 '_item_cache': ,
 'c': 0    8
      1    6
      dtype: int64

最后，回到简答题。

【参考方案3】：

我能想到的解决方案是使用.loc 来获取列。你可以试试df.loc[:,a] 而不是df.a。 Pandas 数据框列不能使用点方法创建，以避免与数据框属性的潜在冲突。希望这会有所帮助

【参考方案4】：

在df2.apply(lambda x: calculate_latoffset(x[b]), axis=1) 中，您正在创建一个 5 列数据框，并且您试图将值分配给单个字段。 df2[a] = calculate_latoffset(df2[b]) 应该提供所需的输出。