pandas计算RSI时无切片拷贝逻辑却触发赋值警告的问题咨询
警告产生原因
这类SettingWithCopyWarning和是否主动编写拷贝逻辑无关,触发根源是代码中大量使用的链式索引写法:
- 类似
df['列名'][行索引] = 值的赋值/取值操作,本质是两步链式调用:第一步从原DataFrame取出指定列的Series对象,第二步对这个临时生成的Series做对应行索引的操作。 - pandas在返回第一步的列对象时,到底返回和原表共享内存的视图,还是独立的内存拷贝,是由内部内存布局、版本规则决定的,写代码的人无法预判。
- 当pandas识别到第一步返回的是独立拷贝时,就会抛出“正在尝试在DataFrame切片的拷贝对象上设置值”的提示——此时写代码的人以为在修改原DataFrame的单元格,实际只是在修改一个临时生成的拷贝,赋值根本不会作用到原表。当前代码能跑出正确结果,只是刚好当前运行环境下pandas返回的是原表视图,换版本、换内存场景下就可能出现赋值静默失效、结果错误的问题,这也是pandas设计这个警告的核心目的,提前帮开发者识别这类高风险写法。
对应解决方法
摒弃链式索引写法,统一替换为pandas官方推荐的.loc显式索引方式,让pandas可以直接定位到原DataFrame的目标单元格,从根源上避免临时切片、拷贝的生成,自然不会触发警告:
- 原链式赋值
df['Up Move'][x] = 0→ 替换为df.loc[x, 'Up Move'] = 0 - 原链式取数
df['Close'][x]→ 替换为df.loc[x, 'Close'] - 原链式切片计算
df['Average Up'][14] = df['Up Move'][1:15].mean()→ 替换为df.loc[14, 'Average Up'] = df.loc[1:15, 'Up Move'].mean()
修改后的核心逻辑参考:
import numpy as np # 初始化指标列 df['Up Move'] = np.nan df['Down Move'] = np.nan df['Average Up'] = np.nan df['Average Down'] = np.nan df['RS'] = np.nan df['RSI'] = np.nan # 逐行计算单日涨跌幅度 for x in range(1, len(df)): df.loc[x, 'Up Move'] = 0 df.loc[x, 'Down Move'] = 0 if df.loc[x, 'Close'] > df.loc[x-1, 'Close']: df.loc[x, 'Up Move'] = df.loc[x, 'Close'] - df.loc[x-1, 'Close'] if df.loc[x, 'Close'] < df.loc[x-1, 'Close']: df.loc[x, 'Down Move'] = abs(df.loc[x, 'Close'] - df.loc[x-1, 'Close']) # 计算初始14周期的均值、RS、RSI值 df.loc[14, 'Average Up'] = df.loc[1:15, 'Up Move'].mean() df.loc[14, 'Average Down'] = df.loc[1:15, 'Down Move'].mean() df.loc[14, 'RS'] = df.loc[14, 'Average Up'] / df.loc[14, 'Average Down'] df.loc[14, 'RSI'] = 100 - (100/(1 + df.loc[14, 'RS'])) # 循环计算后续周期的指标值 for x in range(15, len(df)): df.loc[x, 'Average Up'] = (df.loc[x-1, 'Average Up'] * 13 + df.loc[x, 'Up Move']) / 14 df.loc[x, 'Average Down'] = (df.loc[x-1, 'Average Down'] * 13 + df.loc[x, 'Down Move']) / 14 df.loc[x, 'RS'] = df.loc[x, 'Average Up'] / df.loc[x, 'Average Down'] df.loc[x, 'RSI'] = 100 - (100/(1 + df.loc[x, 'RS'])) # 清理中间计算列 df.drop(['Up Move', 'Down Move', 'Average Up', 'Average Down'], axis=1, inplace=True)
注意:不要为了快速消除警告,直接全局设置
pd.set_option('mode.chained_assignment', None),这相当于直接关闭了pandas的风险提示,真遇到赋值静默失效的问题时,连排查的线索都没有,属于得不偿失的操作。
内容的提问来源于stack exchange,提问作者Fred
相关产品推荐
相关产品推荐

