python - ''Se está intentando establecer un valor en una copia de un segmento de un DataFrame'' al usar ''iloc''

pandas

Question

Jupiter nootbook está devolviendo esta advertencia:

*C:/anaconda/lib/site-packages/pandas/core/indexing.py:337: 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

Consulte las advertencias en la documentación: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy

self.obj[key] = _infer_fill_value(value)
C:/anaconda/lib/site-packages/pandas/core/indexing.py:517: 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

Consulte las advertencias en la documentación: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy

self.obj[item] = s*

Después de ejecutar el siguiente código:

def group_df(df,num):
    ln = len(df)
    rang = np.arange(ln)
    splt = np.array_split(rang,num)
    lst = []
    finel_lst = []
    for i,x in enumerate(splt):
        lst.append([i for x in range(len(x))])
    for k in lst:
        for j in k:
            finel_lst.append(j)
    df[''group''] = finel_lst
    return df
def KNN(dafra,folds,K,fi,target):        
    df = group_df(dafra,folds)
    avarge_e = []
    for i in range(folds):
        train = df.loc[df[''group''] != i]
        test = df.loc[df[''group''] == i]
        test.loc[:,''pred_price''] = np.nan
        test.loc[:,''rmse''] = np.nan
        print(test.columns)
KNN(data,5,5,''GrLivArea'',''SalePrice'')    

En el mensaje de error, se recomienda usar la indexación .loc cual hice, pero no ayudó. Por favor, ayúdame, ¿cuál es el problema? Revisé las preguntas relacionadas y leí la documentación, pero aún no la entiendo.

Answer 1

Creo que necesitas una copy :

train = df.loc[df[''group''] != i].copy()
test = df.loc[df[''group''] == i].copy()

Si modifica los valores en la test más adelante, encontrará que las modificaciones no se propagan a los datos originales ( df ) y que Pandas hace una advertencia.