将新的dataFrame列添加到pandas中的相同数据框

Question

问题：收到SettingWithCopy警告。

试图在DataFrame的切片副本上设置一个值。 尝试改用.loc [row_indexer，col_indexer] = value

目标：将列数据分成单独的列，所有列都在同一DataFrame中。

输入：具有2列的数据框。 第一列是电子邮件地址，第二列包含以分号分隔的日期列表。

码：

for dt in lunch_dates:
    roulette_data[dt] = roulette_data['date'].str.contains(dt).map(bool_conversion)

我想要此代码执行的操作（并且确实如此）：为原始日期列中的每个找到的日期（dt）添加一个新列。

问题：在这种情况下如何使用iloc，以确保我不在内存中的数据帧的可能副本上工作？

Answer 1

你的例子

没有数据可以对其进行测试，我将无法对其进行测试，但是以下方法应该可以工作（将“ email_column_name”替换为email列的名称）：

dates = pd.get_dummies(
                       roulette_data.set_index('email_column_name')['date']\
                       .str.split(';',expand=True)\
                       .stack().reset_index(level=1, drop=True)
                      )\
                      .reset_index().groupby('email_column_name').sum()

这是一个玩具示例：

df = pd.DataFrame({'col1':['record1', 'record2'], 
                  'col2':["this is good text", "but this is even better"]}
                 )

df
#      col1                     col2
#0  record1        this is good text
#1  record2  but this is even better

我们首先将索引设置为col1 ，然后选择col2 ，因此可以使用其.str.split方法将行拆分为单个单词。

df.set_index('col1')['col2'].str.split(expand=True)
#            0     1     2     3       4
#col1                                   
#record1  this    is  good  text    None
#record2   but  this    is  even  better

然后我们使用stack来更改形状，并使用reset_index摆脱不必要的索引级别

df.set_index('col1')['col2'].str.split(expand=True)\
            .stack().reset_index(level=1, drop=True) 
#col1
#record1      this
#record1        is
#record1      good
#record1      text
#record2       but
#record2      this
#record2        is
#record2      even
#record2    better
#dtype: object

我们将整个表达式包装在pd.get_dummies（）中

pd.get_dummies(df.set_index('col1')['col2'].str.split(expand=True).stack().reset_index(level=1, drop=True))

#         better  but  even  good  is  text  this
#col1                                            
#record1       0    0     0     0   0     0     1
#record1       0    0     0     0   1     0     0
#record1       0    0     0     1   0     0     0
#record1       0    0     0     0   0     1     0
#record2       0    1     0     0   0     0     0
#record2       0    0     0     0   0     0     1
#record2       0    0     0     0   1     0     0
#record2       0    0     1     0   0     0     0
#record2       1    0     0     0   0     0     0

最终结果

最后，我们reset_index （这是col1或在您的情况下，电子邮件列）， groupby的col1在它和总和。

pd.get_dummies(
               df.set_index('col1')['col2']\
               .str.split(expand=True)\
               .stack().reset_index(level=1, drop=True)
              )\
              .reset_index().groupby('col1').sum()
#         better  but  even  good  is  text  this
#col1                                            
#record1       0    0     0     1   1     1     1
#record2       1    1     1     0   1     0     1