Les Pandas d'avertissement lors de l'utilisation de la carte: Une valeur est d'essayer d'être mis sur une copie d'une tranche à partir d'un DataFrame

Le problème est avec enchaînés indexation , ce que vous êtes en train d'essayer de le faire est de fixer des valeurs - pop[pop['Year'] == 2014]['Country Name'] - ce ne serait pas le travail la plupart du temps (comme très bien expliqué dans la documentation) que c'est deux appels différents et que l'un des appels peut retourner une copie du dataframe (je crois que le booléen indexation) est de retour de la copie de la dataframe).

Par conséquent, lorsque vous essayez de définir les valeurs de cette copie, il ne reflète pas dans l'original dataframe. Exemple -

In [6]: df
Out[6]:
   A  B
0  1  2
1  3  4
2  4  5
3  6  7
4  8  9

In [7]: df[df['A']==1]['B'] = 10
/path/to/ipython-script.py:1: 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

See the the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
  if __name__ == '__main__':

In [8]: df
Out[8]:
   A  B
0  1  2
1  3  4
2  4  5
3  6  7
4  8  9

---

Comme l'a noté , au lieu de enchaînés indexation, vous devez utiliser DataFrame.loc à l'index les lignes ainsi que les colonnes de mettre à jour en un seul appel, d'éviter cette erreur. Exemple -

pop.loc[(pop['year'] == 2014), 'Country Name'] = pop.loc[(pop['year'] == 2014), 'Country Name'].map(f)

Ou si cela semble trop long pour vous, vous pouvez créer un masque (boolean dataframe) à l'avance et de les assigner à une variable, et de l'utiliser dans la déclaration ci-dessus. Exemple -

mask = pop['year'] == 2014
pop.loc[mask,'Country Name'] = pop.loc[mask,'Country Name'].map(f)

Démo -

In [9]: df
Out[9]:
   A  B
0  1  2
1  3  4
2  4  5
3  6  7
4  8  9

In [10]: mapping = { 1:2 , 3:4}

In [11]: f= lambda x: mapping.get(x, x)

In [12]: df.loc[(df['B']==2),'A'] = df.loc[(df['B']==2),'A'].map(f)

In [13]: df
Out[13]:
   A  B
0  2  2
1  3  4
2  4  5
3  6  7
4  8  9

Démo avec le masque méthode -

In [18]: df
Out[18]:
   A  B
0  1  2
1  3  4
2  4  5
3  6  7
4  8  9

In [19]: mask = df['B']==2

In [20]: df.loc[mask,'A'] = df.loc[mask,'A'].map(f)

In [21]: df
Out[21]:
   A  B
0  2  2
1  3  4
2  4  5
3  6  7
4  8  9