熊猫开始复制警告：我完全糊涂了

Question

当我运行以下代码段时，我得到了臭名昭著的pandas设置WithCopyWarning：

for i in range(1, N):
    if df['deltaPressure'][i] < CLUSTER_THRESHOLD:
        df['Cluster'][i] = df['Cluster'][i-1]
    else:
        df['Cluster'][i] = df['Cluster'][i-1] + 1

我曾尝试通过添加一个。复制（）如下：

for i in range(1, N):
    if df['deltaPressure'][i] < CLUSTER_THRESHOLD:
        df['Cluster'][i] = df['Cluster'][i-1].copy()
    else:
        df['Cluster'][i] = df['Cluster'][i-1].copy() + 1

不幸的是，我没有得到任何改变的警告。大量的谷歌搜索和StackOverflow并没有让我更进一步地理解语法中的根本错误，或者我是如何无意中链接的。代码似乎运行正常，但我讨厌忽略错误消息，希望它们被证明是无关的。

我非常感谢您对我的代码进行修复，并简单解释为什么会出现这种情况。copy（）对我没有好处。

诚挚并在此致以衷心的感谢

托马斯·菲利普斯

Answer 1

这确实有效——尽管我必须说这根本不是直觉，即使在盯着它看了一段时间之后。这似乎确实与熊猫的实施方式有关。有了你的建议和谷歌，我找到了关于StackOverflow的全面答案

谢谢你的帮忙。

Answer 2

问题是您同时使用了\uuuuuu setitem\uuuuuuuuuuuuu和\uuuuuuuuuu getitem\uuuuuuuuuu：

• df['Cluster']：获取项目

正如https://tomaugspurger.github.io/modern-1-intro中解释的，“熊猫不能保证第一个getitems返回的是视图还是基础数据的副本。这些变化将对我上面所说的_，1中getitem1的结果进行更改。但是我们不知道_与我们最初的"df共享相同的内存。

您应该改用loc/iloc。

编辑：重新阅读您的问题，我添加了另一种可能性，以实现您在没有for循环的情况下所做的事情：

import pandas as pd
import numpy as np
N = 100
CLUSTER_THRESHOLD = 50
df = pd.DataFrame({"deltaPressure": np.random.randint(1,100, N),
                   "Cluster": np.random.randint(1,5,N)})
df["top"] = df["deltaPressure"]<CLUSTER_THRESHOLD
df["Cluster"] = np.where(df["top"], df["Cluster"].shift(), df["Cluster"].shift() + 1)

希望有帮助。