Pandas切片操作：一个很容易忽视的错误

Pandas是一个强大的分析结构化数据的工具集，主要用于数据挖掘和数据分析，同时也提供数据清洗功能。

很多初学者在数据的选取，修改和切片时经常面临一些困惑。这是因为Pandas提供了太多方法可以做同样的事情，方法选择不当，可能导致一些意想不到的错误。

Pandas切片

Pandas数据访问方式包括：df[] ,.at,.iat,.loc,.iloc（之前有ix方法，pandas1.0之后已被移除）

• df[] ：直接索引
• at/iat：通过标签或行号获取某个数值的具体位置。
• loc：通过标签选取数据，即通过index和columns的值进行选取。loc方法有两个参数，按顺序控制行列选取,范围包括start和end。
• iloc：通过行号选取数据，即通过数据所在的自然行列数为选取数据。iloc方法也有两个参数，按顺序控制行列选取。

它们之间的区别不是文本重点，大家可以新建一个dataframe练习一下，本文我们主要来一个错误示范，然后给大家提一些合理的建议。

错误示范

新建一个DataFrame

df = pd.DataFrame(
{'x':[1,5,4,3,4,5],
'y':[.1,.5,.4,.3,.4,.5],
'w':[11,15,14,13,14,15]})

   x    y   w
0  1  0.1  11
1  5  0.5  15
2  4  0.4  14
3  3  0.3  13
4  4  0.4  14
5  5  0.5  15

假设我们要查找与“x”列对应的所有DataFrame元素都大于3，并根据此更改将所有对应的“ y”值更改为50。
我们来先试一个看起来毫无问题的方法

df[df['x']>3]['y']=50
运行之后，df没有任何变化，Warning如下：

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

根据提示信息，我们使用loc方法

df.loc[df['x']>3,'y']=50
   x     y   w
0  1   0.1  11
1  5  50.0  15
2  4  50.0  14
3  3   0.3  13
4  4  50.0  14
5  5  50.0  15

得到预期结果√ 

这是为什么呢？这里我们就遇到了所谓的“链接索引”，具体原因是使用了两个索引器，例如：df[][]
df[df['x']>3] 导致Pandas创建原始DataFrame的单独副本
df[df['x']>3]['y'] = 50 将新值分配给“ y”列，但在此临时创建的副本上，而不是原始DataFrame上。

反转切片的顺序时，即先调用列，然后再调用我们要满足的条件，便得到了预期的结果：

df['y'][df['x']>3]=50

   x     y   w
0  1   0.1  11
1  5  50.0  15
2  4  50.0  14
3  3   0.3  13
4  4  50.0  14
5  5  50.0  15

df
   x    y   w
0  1  0.1  11
1  5  0.5  15
2  4  0.4  14
3  3  0.3  13
4  4  0.4  14
5  5  0.5  15

z = df['y'] # view of column 'y'
z[z>=0.5] = 30

z
0     0.1
1    30.0
2     0.4
3     0.3
4     0.4
5    30.0

df
   x     y   w
0  1   0.1  11
1  5  30.0  15
2  4   0.4  14
3  3   0.3  13
4  4   0.4  14
5  5  30.0  15

当我们创建了视图后，pandas就会出现warning，因为它不知道我们是否只想更改y系列（通过z）或原始值df。如果我们要提取“z”作为独立对象怎么办？pandas提供了copy()方法，当我们将命令更新为以下所示的命令时：

z = df['y'].copy()

我们将在内存中创建一个具有其自己地址的全新对象，并且对“z”进行的任何更新df都将不受影响。实际上有两个要点，可以使我们在使用切片和数据操作时免受任何有害影响：

• 避免链接索引，始终选择.loc/ .iloc（或.at/ .iat）方法；
• 使用copy() 创建独立的对象，并保护原始资源免遭不当操纵

参考

https://www.jianshu.com/p/199a653e9668 https://www.kdnuggets.com/2020/04/stop-hurting-pandas.html

python爬虫人工智能大数据公众号