df_feat.iloc[9]['id2694_feat17'] = df_ner.iloc[9][fill_dic.get('id2694_feat17')].values这一句为什么写错了，报了警告SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame

你在使用`.iloc`进行赋值操作时出现了警告。这个警告通常是由于对切片返回的视图进行了赋值操作，而不是对原始DataFrame进行的。为了避免这个警告，你可以使用`.loc`来进行赋值操作。

你可以将代码修改如下：

df_feat.loc[9, 'id2694_feat17'] = df_ner.loc[9, fill_dic.get('id2694_feat17')]

使用`.loc`来直接对选定的行和列进行赋值操作，避免了SettingWithCopyWarning警告。请确保你的`df_feat`和`df_ner`都是正确的DataFrame对象，并且'9'和'fill_dic.get('id2694_feat17')'分别表示行索引和列索引。

相关问题

我的代码出现了警告：SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame。请帮我找出问题出在哪以及怎么修改。代码如下：for key in fill_dic.keys(): if len(fill_dic[key]) == 1: # 若只匹配上了一个属性 for idx in list(df_feat.index): if df_feat.iloc[idx][key] == df_feat.iloc[idx][key]: # 若原属性是空，填充 df_feat.iloc[idx][key] = df_ner.iloc[idx][fill_dic.get(key)] else: # 若匹配上了多个属性 ner_filt = df_ner[fill_dic.get(key)] # 每行+多匹配上的属性列 for idx in list(df_feat.index): if df_feat.iloc[idx][key] == df_feat.iloc[idx][key]: # 若原属性是空，填充 for idy in range(len(fill_dic.get(key))): if ner_filt.iloc[idx, idy] == ner_filt.iloc[idx, idy]: # 若True则该标题属性不为NaN df_feat.iloc[idx][key] = ner_filt.iloc[idx, idy]

这个警告通常是因为在对DataFrame进行切片操作时，尝试对切片进行赋值操作，而切片返回的是原DataFrame的一个视图，而不是副本。为了避免这个警告，你可以使用`.loc`或`.iloc`来进行赋值操作。

在你的代码中，可以通过使用`.loc`来避免这个警告。具体修改如下：

for key in fill_dic.keys():
    if len(fill_dic[key]) == 1:
        df_feat.loc[df_feat[key].isnull(), key] = df_ner[fill_dic[key]].values
    else:
        ner_filt = df_ner[fill_dic[key]]
        for idx in list(df_feat.index):
            if df_feat.loc[idx, key] == df_feat.loc[idx, key]:
                for idy in range(len(fill_dic[key])):
                    if ner_filt.loc[idx, idy] == ner_filt.loc[idx, idy]:
                        df_feat.loc[idx, key] = ner_filt.loc[idx, idy]

使用`.loc`可以直接对选定的行和列进行赋值操作，避免了SettingWithCopyWarning警告。

train_feat1 = train_feat.iloc[train_index]

这段代码是在从 pandas.DataFrame 类型的 train_feat 变量中选择一部分数据，并将其赋值给 train_feat1 变量。其中，train_index 是一个指定了要选择哪些数据的索引列表，这些索引对应了 train_feat 中的行。具体来说，train_feat1 是 train_feat 中所有在 train_index 列表中的行所组成的新的 DataFrame 对象。这种操作常用于数据集划分，比如将数据集划分成训练集和测试集。