如何在不修改原始Pandas Series前提下实现类别数据索引化？

错误信息 #

试图在DataFrame切片的副本上设置值。
series[series == value] = index

SettingWithCopyWarning: 不支持修改类日期对象的属性，修改会被丢弃。请在原始对象上更改值。
cacher_needs_updating = self._check_is_chained_assignment_possible()

原代码 #

import pandas

def categorials(series: pandas.Series) -> pandas.Series:
    unique = series.unique()

    for index, value in enumerate(unique):
        series[series == value] = index

    return series.astype(pandas.Int64Dtype())

解决方案 #

核心问题分析 #

原代码直接操作传入的series对象，会修改外部的原始数据；同时循环中使用切片赋值，pandas无法确定操作的是视图还是副本，因此触发警告。

优化实现（推荐） #

使用pandas内置的factorize()方法完成类别到整数索引的映射，同时通过副本操作避免修改原数据：

import pandas

def categorials(series: pandas.Series) -> pandas.Series:
    # 生成原Series的独立副本，不影响外部数据
    series_copy = series.copy()
    # factorize直接返回类别对应的整数索引数组
    encoded_values, _ = series_copy.factorize()
    # 转换为指定的整数类型并返回
    return pandas.Series(encoded_values, index=series_copy.index, dtype=pandas.Int64Dtype())

或者更简洁的写法：

import pandas

def categorials(series: pandas.Series) -> pandas.Series:
    return pandas.Series(series.factorize()[0], index=series.index, dtype=pandas.Int64Dtype())

保留循环的实现（不推荐，效率较低） #

如果一定要用循环逻辑，需操作副本并使用loc明确赋值：

import pandas

def categorials(series: pandas.Series) -> pandas.Series:
    series_copy = series.copy()
    unique = series_copy.unique()

    for index, value in enumerate(unique):
        # 用loc明确操作副本的元素，避免警告
        series_copy.loc[series_copy == value] = index

    return series_copy.astype(pandas.Int64Dtype())

关键说明 #

• series.copy()：创建原Series的深拷贝，确保后续操作完全独立于原始数据。
• factorize()：专门处理类别型数据的索引化，内部逻辑高效，避免手动循环的性能问题和赋值警告。
• loc：明确指定修改对象的元素，消除pandas对视图/副本的判断歧义，解决SettingWithCopyWarning。

内容的提问来源于stack exchange，提问作者christophriepe