Предупреждение о резервном копировании данных Pandas

Когда вы идете и делаете что-то вроде этого:

quote_df = quote_df.ix[:,[0,3,2,1,4,5,8,9,30,31]]

pandas.ix в этом случае возвращает новый, автономный формат данных.

Любые значения, которые вы решите изменить в этом фрейме данных, не изменят исходный фрейм.

Это то, что панды пытаются вас предупредить.

Почему .ix - плохая идея

Объект .ix пытается сделать больше чем одно, а для любого, кто прочитал что-нибудь о чистом коде, это сильный запах.

Учитывая этот фрейм данных:

df = pd.DataFrame({"a": [1,2,3,4], "b": [1,1,2,2]})

Два поведения:

dfcopy = df.ix[:,["a"]]
dfcopy.a.ix[0] = 2

Поведение одно: dfcopy теперь является автономным фреймворком данных. Изменение этого параметра не изменится df

df.ix[0, "a"] = 3

Поведение два: это изменяет исходный фрейм.

Используйте .loc вместо

Разработчики pandas признали что объект .ix был довольно вонючим [спекулятивно] и таким образом создал два новых объекта, которые помогают при вступлении и назначении данных. (Другое значение .iloc)

.loc выполняется быстрее, потому что он не пытается создать копию данных.

.loc предназначен для изменения существующего (f17)

.loc является предсказуемым, он имеет одно поведение.

Решение

Что вы делаете в своем коде Например, загружается большой файл с большим количеством столбцов, а затем изменяется его на меньший размер.

Функция pd.read_csv может помочь вам с большим количеством этого, а также сделать загрузку файла намного быстрее .

Итак, вместо этого

quote_df = pd.read_csv(StringIO(str_of_all), sep=',', names=list('ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefg')) #dtype={'A': object, 'B': object, 'C': np.float64}
quote_df.rename(columns={'A':'STK', 'B':'TOpen', 'C':'TPCLOSE', 'D':'TPrice', 'E':'THigh', 'F':'TLow', 'I':'TVol', 'J':'TAmt', 'e':'TDate', 'f':'TTime'}, inplace=True)
quote_df = quote_df.ix[:,[0,3,2,1,4,5,8,9,30,31]]

Сделайте это

columns = ['STK', 'TPrice', 'TPCLOSE', 'TOpen', 'THigh', 'TLow', 'TVol', 'TAmt', 'TDate', 'TTime']
df = pd.read_csv(StringIO(str_of_all), sep=',', usecols=[0,3,2,1,4,5,8,9,30,31])
df.columns = columns

. Это будет читать только интересующие вас столбцы и назовите их правильно , Не нужно использовать объект зла ​​.ix для создания магического материала.