Python Pandas用户警告：排序，因为非串联轴不对齐
我正在做一些代码练习，并在获得用户警告的同时应用数据帧合并
/usr/lib64/python2.7/site packages/pandas/core/frame.py:6201:FutureWarning:Sorting，因为非连接轴未对齐。熊猫的未来版本将默认更改为“不排序”。要接受将来的行为，请传递“sort=True”。要保留当前行为并使警告静音，请传递sort=False
在这几行代码中：你能帮助解决这个警告吗？
placement_video = [self.read_sql_vdx_summary, self.read_sql_video_km]
placement_video_summary = reduce(lambda left, right: pd.merge(left, right, on='PLACEMENT', sort=False), placement_video)
placement_by_video = placement_video_summary.loc[:, ["PLACEMENT", "PLACEMENT_NAME", "COST_TYPE", "PRODUCT",
"VIDEONAME", "VIEW0", "VIEW25", "VIEW50", "VIEW75",
"VIEW100",
"ENG0", "ENG25", "ENG50", "ENG75", "ENG100", "DPE0",
"DPE25",
"DPE50", "DPE75", "DPE100"]]
# print (placement_by_video)
placement_by_video["Placement# Name"] = placement_by_video[["PLACEMENT",
"PLACEMENT_NAME"]].apply(lambda x: ".".join(x),
axis=1)
placement_by_video_new = placement_by_video.loc[:,
["PLACEMENT", "Placement# Name", "COST_TYPE", "PRODUCT", "VIDEONAME",
"VIEW0", "VIEW25", "VIEW50", "VIEW75", "VIEW100",
"ENG0", "ENG25", "ENG50", "ENG75", "ENG100", "DPE0", "DPE25",
"DPE50", "DPE75", "DPE100"]]
placement_by_km_video = [placement_by_video_new, self.read_sql_km_for_video]
placement_by_km_video_summary = reduce(lambda left, right: pd.merge(left, right, on=['PLACEMENT', 'PRODUCT'], sort=False),
placement_by_km_video)
#print (list(placement_by_km_video_summary))
#print(placement_by_km_video_summary)
#exit()
# print(placement_by_video_new)
"""Conditions for 25%view"""
mask17 = placement_by_km_video_summary["PRODUCT"].isin(['Display', 'Mobile'])
mask18 = placement_by_km_video_summary["COST_TYPE"].isin(["CPE", "CPM", "CPCV"])
mask19 = placement_by_km_video_summary["PRODUCT"].isin(["InStream"])
mask20 = placement_by_km_video_summary["COST_TYPE"].isin(["CPE", "CPM", "CPE+", "CPCV"])
mask_video_video_completions = placement_by_km_video_summary["COST_TYPE"].isin(["CPCV"])
mask21 = placement_by_km_video_summary["COST_TYPE"].isin(["CPE+"])
mask22 = placement_by_km_video_summary["COST_TYPE"].isin(["CPE", "CPM"])
mask23 = placement_by_km_video_summary["PRODUCT"].isin(['Display', 'Mobile', 'InStream'])
mask24 = placement_by_km_video_summary["COST_TYPE"].isin(["CPE", "CPM", "CPE+"])
choice25video_eng = placement_by_km_video_summary["ENG25"]
choice25video_vwr = placement_by_km_video_summary["VIEW25"]
choice25video_deep = placement_by_km_video_summary["DPE25"]
placement_by_km_video_summary["25_pc_video"] = np.select([mask17 & mask18, mask19 & mask20, mask17 & mask21],
[choice25video_eng, choice25video_vwr, choice25video_deep])
"""Conditions for 50%view"""
choice50video_eng = placement_by_km_video_summary["ENG50"]
choice50video_vwr = placement_by_km_video_summary["VIEW50"]
choice50video_deep = placement_by_km_video_summary["DPE50"]
placement_by_km_video_summary["50_pc_video"] = np.select([mask17 & mask18, mask19 & mask20, mask17 & mask21],
[choice50video_eng,
choice50video_vwr, choice50video_deep])
"""Conditions for 75%view"""
choice75video_eng = placement_by_km_video_summary["ENG75"]
choice75video_vwr = placement_by_km_video_summary["VIEW75"]
choice75video_deep = placement_by_km_video_summary["DPE75"]
placement_by_km_video_summary["75_pc_video"] = np.select([mask17 & mask18, mask19 & mask20, mask17 & mask21],
[choice75video_eng,
choice75video_vwr,
choice75video_deep])
"""Conditions for 100%view"""
choice100video_eng = placement_by_km_video_summary["ENG100"]
choice100video_vwr = placement_by_km_video_summary["VIEW100"]
choice100video_deep = placement_by_km_video_summary["DPE100"]
choicecompletions = placement_by_km_video_summary['COMPLETIONS']
placement_by_km_video_summary["100_pc_video"] = np.select([mask17 & mask22, mask19 & mask24, mask17 & mask21, mask23 & mask_video_video_completions],
[choice100video_eng, choice100video_vwr, choice100video_deep, choicecompletions])
"""conditions for 0%view"""
choice0video_eng = placement_by_km_video_summary["ENG0"]
choice0video_vwr = placement_by_km_video_summary["VIEW0"]
choice0video_deep = placement_by_km_video_summary["DPE0"]
placement_by_km_video_summary["Views"] = np.select([mask17 & mask18, mask19 & mask20, mask17 & mask21],
[choice0video_eng,
choice0video_vwr,
choice0video_deep])
#print (placement_by_km_video_summary)
#exit()
#final Table
placement_by_video_summary = placement_by_km_video_summary.loc[:,
["PLACEMENT", "Placement# Name", "PRODUCT", "VIDEONAME", "COST_TYPE",
"Views", "25_pc_video", "50_pc_video", "75_pc_video","100_pc_video",
"ENGAGEMENTS","IMPRESSIONS", "DPEENGAMENTS"]]
#placement_by_km_video = [placement_by_video_summary, self.read_sql_km_for_video]
#placement_by_km_video_summary = reduce(lambda left, right: pd.merge(left, right, on=['PLACEMENT', 'PRODUCT']),
#placement_by_km_video)
#print(placement_by_video_summary)
#exit()
# dup_col =["IMPRESSIONS","ENGAGEMENTS","DPEENGAMENTS"]
# placement_by_video_summary.loc[placement_by_video_summary.duplicated(dup_col),dup_col] = np.nan
# print ("Dhar",placement_by_video_summary)
'''adding views based on conditions'''
#filter maximum value from videos
placement_by_video_summary_new = placement_by_km_video_summary.loc[
placement_by_km_video_summary.reset_index().groupby(['PLACEMENT', 'PRODUCT'])['Views'].idxmax()]
#print (placement_by_video_summary_new)
#exit()
# print (placement_by_video_summary_new)
# mask22 = (placement_by_video_summary_new.PRODUCT.str.upper ()=='DISPLAY') & (placement_by_video_summary_new.COST_TYPE=='CPE')
placement_by_video_summary_new.loc[mask17 & mask18, 'Views'] = placement_by_video_summary_new['ENGAGEMENTS']
placement_by_video_summary_new.loc[mask19 & mask20, 'Views'] = placement_by_video_summary_new['IMPRESSIONS']
placement_by_video_summary_new.loc[mask17 & mask21, 'Views'] = placement_by_video_summary_new['DPEENGAMENTS']
#print (placement_by_video_summary_new)
#exit()
placement_by_video_summary = placement_by_video_summary.drop(placement_by_video_summary_new.index).append(
placement_by_video_summary_new).sort_index()
placement_by_video_summary["Video Completion Rate"] = placement_by_video_summary["100_pc_video"] / \
placement_by_video_summary["Views"]
placement_by_video_final = placement_by_video_summary.loc[:,
["Placement# Name", "PRODUCT", "VIDEONAME", "Views",
"25_pc_video", "50_pc_video", "75_pc_video", "100_pc_video",
"Video Completion Rate"]]
共有2个答案
Jezrael的回答很好，但没有回答我的一个问题：错误地获得“排序”标志会以任何方式扰乱我的数据吗？答案显然是“不”，不管怎样你都很好。
from pandas import DataFrame, concat
a = DataFrame([{'a':1, 'c':2,'d':3 }])
b = DataFrame([{'a':4,'b':5, 'd':6,'e':7}])
>>> concat([a,b],sort=False)
a c d b e
0 1 2.0 3 NaN NaN
0 4 NaN 6 5.0 7.0
>>> concat([a,b],sort=True)
a b c d e
0 1 NaN 2.0 3 NaN
0 4 5.0 NaN 6 7.0
tl；博士：
concat和append如果列不匹配，则当前对非连接索引（例如，如果添加行，则为列）进行排序。在0.23，这开始产生警告；传递参数sort=True使其静音。在将来，默认值将更改为不排序，因此最好现在指定sort=True或False，或者更好地确保非串联索引匹配。
该警告在0.23.0中是新的：
在熊猫的未来版本中pandas.concat（）和DataFrame.append（）将不再对未对齐的非连接轴进行排序。当前行为与前一个相同（排序），但现在在未指定排序且未对齐非串联轴时发出警告，链接。
更多信息来自链接的非常古老的github问题，评论者smCinerney：
当连接数据帧时，如果列名之间存在任何差异，则它们将按字母数字排序。如果它们在数据帧中是相同的，则不会进行排序。
这种类型是没有记录和不需要的。当然，默认行为应该是无排序的。
一段时间后，参数排序在pandas.concat和DataFrame.append中实现：
排序：布尔值，默认无
如果连接为“外部”时未对齐，则对非连接轴进行排序。当前默认的排序已弃用，在未来版本的pandas中将更改为不排序。
显式传递sort=True以使警告和排序静音。显式传递sort=False以使警告静音，而不进行排序。
这在连接='内部'时没有影响，因为它已经保留了非连接轴的顺序。
因此，如果两个DataFrames以相同的顺序具有相同的列，则没有警告和排序：
df1 = pd.DataFrame({"a": [1, 2], "b": [0, 8]}, columns=['a', 'b'])
df2 = pd.DataFrame({"a": [4, 5], "b": [7, 3]}, columns=['a', 'b'])
print (pd.concat([df1, df2]))
a b
0 1 0
1 2 8
0 4 7
1 5 3
df1 = pd.DataFrame({"a": [1, 2], "b": [0, 8]}, columns=['b', 'a'])
df2 = pd.DataFrame({"a": [4, 5], "b": [7, 3]}, columns=['b', 'a'])
print (pd.concat([df1, df2]))
b a
0 0 1
1 8 2
0 7 4
1 3 5
但是，如果数据帧具有不同的列，或者相同的列具有不同的顺序，则如果未显式设置参数sort（sort=None是默认值），pandas将返回警告：
df1 = pd.DataFrame({"a": [1, 2], "b": [0, 8]}, columns=['b', 'a'])
df2 = pd.DataFrame({"a": [4, 5], "b": [7, 3]}, columns=['a', 'b'])
print (pd.concat([df1, df2]))
FutureWarning:排序，因为非连接轴未对齐。
a b
0 1 0
1 2 8
0 4 7
1 5 3
print (pd.concat([df1, df2], sort=True))
a b
0 1 0
1 2 8
0 4 7
1 5 3
print (pd.concat([df1, df2], sort=False))
b a
0 0 1
1 8 2
0 7 4
1 3 5
如果数据帧有不同的列，但第一列是对齐的-它们将被正确地分配给彼此（在下面的示例中，来自df1的列a和b以及来自df2的列b），因为它们都存在于这两个列中。对于存在于一个但不是两个数据帧中的其他列，将创建缺少的值。
最后，如果传递sort=True，则列按字母数字排序。如果sort=False并且第二个DafaFrame包含不在第一个DafaFrame中的列，则会将它们附加到末尾，而不进行排序：
df1 = pd.DataFrame({"a": [1, 2], "b": [0, 8], 'e':[5, 0]},
columns=['b', 'a','e'])
df2 = pd.DataFrame({"a": [4, 5], "b": [7, 3], 'c':[2, 8], 'd':[7, 0]},
columns=['c','b','a','d'])
print (pd.concat([df1, df2]))
FutureWarning:排序，因为非连接轴未对齐。
a b c d e
0 1 0 NaN NaN 5.0
1 2 8 NaN NaN 0.0
0 4 7 2.0 7.0 NaN
1 5 3 8.0 0.0 NaN
print (pd.concat([df1, df2], sort=True))
a b c d e
0 1 0 NaN NaN 5.0
1 2 8 NaN NaN 0.0
0 4 7 2.0 7.0 NaN
1 5 3 8.0 0.0 NaN
print (pd.concat([df1, df2], sort=False))
b a e c d
0 0 1 5.0 NaN NaN
1 8 2 0.0 NaN NaN
0 7 4 NaN 2.0 7.0
1 3 5 NaN 8.0 0.0
在您的代码中：
placement_by_video_summary = placement_by_video_summary.drop(placement_by_video_summary_new.index)
.append(placement_by_video_summary_new, sort=True)
.sort_index()
-
问题内容： 我正在做一些代码练习，并在收到用户警告的同时应用数据帧合并 /usr/lib64/python2.7/site- packages/pandas/core/frame.py:6201：FutureWarning：排序是因为未串联的轴未对齐。熊猫的未来版本将更改为默认情况下不排序。要接受将来的行为，请传递“ sort = True”。要保留当前行为并消除警告，请传递sort = Fals
-
问题内容： 我想打印所有可用语言的排序波兰语名称。 不幸的是我对排序部分有疑问。输出为： 不幸的是，波兰语的出现前后，因此输出应为： 我该怎么做？是否存在一种通用的非语言相关的方法（例如，我现在要显示此方法，并使用另一种排序规则以另一种语言进行排序）。 问题答案： 您应该将整理器传递给sort方法： 默认的排序顺序是由字符串中的Unicode代码点定义的，并且在任何语言中都不是正确的字母顺序。
-
问题内容： 将我的php版本更新到5.4.0-3后，我收到一个奇怪的PHP错误。 我有这个数组： 当我尝试像这样访问它时，会收到奇怪的警告 我真的不想只编辑我的php.ini并重新设置错误级别。 问题答案： 请尝试这种方式。…我已经测试了此代码。
-
我试图用PHP做一个待办事项列表 但是我收到这个错误警告：非法的字符串偏移量'todo' 在我的todo.php页面的顶部 在html部分 我该怎么解决这个？它一直警告我=>警告：非法字符串偏移量'todo' todo存在于我的mysql数据库中，其中包含待办事项activity的数据
-
问题内容： 最近更新到PHP 7.1，并开始出现以下错误 警告：第29行遇到非数字值 这是第29行的样子 在本地主机上一切正常。 任何想法如何解决这个问题或它是什么？ 问题答案： 似乎在PHP 7.1中，如果遇到非数字值，将发出警告。请参阅此链接。 这是与您收到的警告通知有关的相关部分： 当使用期望数字或它们的赋值等效项的运算符强制无效字符串时，将引入新的E_WARNING和E_NOTICE错误。
-
在我看来最好的情况应该是O（log n)，但不确定最坏的情况...也许O(n^2)一次只能匹配一个字母。 谁能给我更多的点子吗？