python - Pandas:使用 set_categories 时获取 SettingWithCopyWarning

Question

我有两个数据框。两者都具有相同的列集，但某些列是分类类型的(基于实际包含的值)。为了将它们组合起来，我使用两个值的并集刷新分类列的分类类型。

def appendDFsWithCat(df1, df2):
    columns = df1.select_dtypes(include=['category']).columns
    for c in columns:
        catValues1 = list(df1[c].cat.categories)
        catValues2 = list(df2[c].cat.categories)
        catValues = list(set(catValues1 + catValues2))
        df1[c] = df1[c].cat.set_categories(catValues)
        df2[c] = df2[c].cat.set_categories(catValues)
    return df1.append(df2, ignore_index=True).reset_index(drop=True)

一切都按预期进行，但我想了解为什么执行此代码时会引发SettingWithCopyWarning:

df1[c] = df1[c].cat.set_categories(catValues)
Utility.py:149: SettingWithCopyWarning:

我发现除了使用过的类别数据之外，没有其他可能刷新类别数据。

Answer 1

这很可能是由于您传递给函数的对象而发生的。

如果我设置以下示例:

cats1 = pd.Series(['a', 'a', 'b', 'b'], name='cat', dtype="category")
data1 = pd.Series([1, 2, 3, 4], name='val', dtype=np.int64)
df1 = pd.concat([cats1, data1], axis=1)

并运行你的函数:

print appendDFsWithCat(df1, df1)

我没有收到错误，并且输出:

  cat  val
0   a    1
1   a    2
2   b    3
3   b    4
4   a    1
5   a    2
6   b    3
7   b    4

但是，如果我运行这个:

print appendDFsWithCat(df1.iloc[:-1], df1)

我收到以下警告:

C:\Anaconda2\lib\site-packages\ipykernel\__main__.py:7: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy

这个输出:

  cat  val
0   a    1
1   a    2
2   b    3
3   a    1
4   a    2
5   b    3
6   b    4

如果您阅读该警告，它会告诉您正在尝试在作为另一个对象的切片或 View 的对象上设置值。这意味着您在特定位置分配值的数据框只是对另一个对象的引用。我通过将数据帧传递给我知道是切片或 View 的函数来制造这种情况。

您可以通过强制对象成为它们自己的东西来解决这个问题，如下所示:

解决方案

<小时/>

def appendDFsWithCat(df1, df2):
    # I added this line to ensure they are their own dataframes
    df1, df2 = df1.copy(), df2.copy()
    columns = df1.select_dtypes(include=['category']).columns
    for c in columns:
        catValues1 = list(df1[c].cat.categories)
        catValues2 = list(df2[c].cat.categories)
        catValues = list(set(catValues1 + catValues2))
        df1[c] = df1[c].cat.set_categories(catValues)
        df2[c] = df2[c].cat.set_categories(catValues)
    return df1.append(df2, ignore_index=True).reset_index(drop=True)

<小时/>

现在当我运行时:

print appendDFsWithCat(df1.iloc[:-1], df1)

我得到:

  cat  val
0   a    1
1   a    2
2   b    3
3   a    1
4   a    2
5   b    3
6   b    4

现在有警告。