Pandas - 创建新列 - 如果另一个列值在列表中（正确方式）

Question

我一直在努力制作一个新的专栏来说明周末或不基于“星期几”专栏。 我正在使用基于先前堆栈溢出问题的以下代码。

weekday_classification = {
    'Weekday': ['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday'],
    'Weekend': ['Saturday', 'Sunday']
    }
weekday_classification = {day: all_days for all_days, l in weekday_classification.items() for day in l}
df["Weekend"] = df['Day of Week'].map(weekday_classification)
df.head()

虽然上面的代码产生了预期的效果 - 我收到一条警告，其中指出：

ipython-input-21-e273917f31f9:6：SettingWithCopyWarning：试图在 DataFrame 的切片副本上设置值。 尝试改用 .loc[row_indexer,col_indexer] = value

有什么方法可以解决这个问题，我已经阅读了说明如何创建新列的文档，但这似乎仅适用于更简单的列创建。

我仍然只是用 Python 和数据分析将脚趾浸入沙中，我很高兴收到一般反馈。

Answer 1

反转你的字典，就像这样

weekday_classification = {
                            'Monday': 'Weekday',
                            'Tuesday': 'Weekday',
                            'Wednesday': 'Weekday',
                            'Thursday': 'Weekday',
                            'Friday': 'Weekday',
                            'Saturday': 'Weekend',
                            'Sunday': 'Weekend'
                         }

然后构建一个新的weekend_classification基于周末分类字典加入您现有的df

In []: days = pd.DataFrame(data=weekday_classification.values(), index=weekday_classification.keys(), columns=['Weekday/end'])
       days
Out[]:
                Weekday/end
        Monday      Weekday
       Tuesday      Weekday
     Wednesday      Weekday
      Thursday      Weekday
        Friday      Weekday
      Saturday      Weekend
        Sunday      Weekend

In []: df.join(days, on=df['Day of Week'])
Out[]:
        Day of Week     Weekday/end
    0        Monday         Weekday
    1       Tuesday         Weekday
    2     Wednesday         Weekday
    3      Thursday         Weekday
    4        Friday         Weekday
    5      Saturday         Weekend
    6        Sunday         Weekend

Answer 2

因为您的df是另一个 DataFrame 的“子集”。 您可能已经对另一个 DataFrame 的列进行了一些过滤以生成此df ，例如：

df = df_p[df_p['some_col'].isin(some_set)]

Pandas 可以简单地创建对df_p部分的引用来呈现df ，而不是实际创建df 。 在这种情况下， df就像df_p的一部分，修改df会导致警告，因为这可能会影响df_p 。 这就是错误消息的描述。 确保在创建df时df有自己的数据。 对其他 DataFrame 进行过滤，例如：

df = df_p[df_p['some_col'].isin(some_set)].copy()

或使用 copy.deepcopy() 处理复杂的数据。