提问人：Zach Morris 提问时间：9/15/2023 更新时间：9/15/2023 访问量：5673
Pandas 2.1.0 FutureWarning：不推荐Series.__getitem__将键视为位置
Pandas 2.1.0 FutureWarning: Series.__getitem__ treating keys as positions is deprecated
问：
我在使用 Pandas v2.1.0+ 时遇到了无法解决的问题。
我的 pandas 数据框中有一个列列表，我需要使用自定义函数进行转换。新值取决于数据中的多个列，因此我使用 apply 就地转换列：
my_columns_to_convert = ['col1','col2','col3']
for k in my_columns_to_convert:
df[k] = df[[k,colx]].apply(lambda x: convert_my_data(value_1_in=x[0],value_2_in=x[1]),axis=1)
这在以前版本的 pandas 中运行良好。但现在我明白了：
FutureWarning: Series.__getitem__ treating keys as positions is deprecated. In a future version, integer keys will always be treated as labels (consistent with DataFrame behavior). To access a value by position, use `ser.iloc[pos]`
但我没有使用 loc 或 iloc，到目前为止我所审查的所有内容似乎都指向这就是问题所在。我怎样才能编写这段代码，以便将来以“正确”的方式编写它？
在 Pandas 中使用以前有效的方法。
答：
6赞
Timeless
9/15/2023
#1
这可以在 2.1.0 中通过这个简单的示例触发：FutureWarning
ser = pd.Series({"A": "a", "B": "b", "C": "c"})
# A a
# B b
# C c
# dtype: object
print(ser[1]) # gives 'b' but with a FutureWarning: Series.__getitem__ treating keys..
目标是在对 DataFrame 和 Series 进行 [ ] 索引时保持一致的行为。请记住，这不会返回位于该 DataFrame 的第二个位置的列，并且会触发 （除非文本 0 是实际列，在这种情况下，将返回该列） 。df[1]KeyError0
因此，根据您的代码，您的（请参阅下面的我如何想象）很可能没有默认索引（即
整数或至少一个整数列表）。因此，当在这里切片每个系列时，虽然索引是字符串，但熊猫会警告您使用 和 代替。dfx[0]x[1]["A", "B", "C"]x.iloc[0]x.iloc[1]
my_columns_to_convert = ['col1', 'col2', 'col3']
df = pd.DataFrame(
np.arange(12).reshape(-1, 4),
index=list("ABC"), columns= my_columns_to_convert + ["colx"]
)
# col1 col2 col3 colx
# A 0 3 6 3
# B 28 35 42 7
# C 88 99 110 11
def convert_my_data(value_1_in, value_2_in):
return value_1_in * value_2_in # a simple calculation
for k in my_columns_to_convert:
df[k] = (
df[[k, "colx"]].apply(
lambda x: convert_my_data(value_1_in=x[0], value_2_in=x[1]), axis=1)
)
# the FutureWarning is displayed three times (= the length of the Series) :
FutureWarning：不推荐将键视为位置。在将来的版本中，整数键将始终被视为标签（与 DataFrame 行为一致）。要按位置访问值，请使用：
Series.__getitem__ser.iloc[pos]lambda x: convert_my_data(value_1_in=x[0], value_2_in=x[1]), axis=1)
顺便说一句，您的代码似乎效率不高，并且可能很容易矢量化。
3赞
Corralien
9/15/2023
#2
除了 @Timeless 的答案之外，您还可以通过扩展位置参数 （） 来避免此警告：*x
for k in my_columns_to_convert:
df[k] = (
df[[k, "colx"]].apply(
lambda x: convert_my_data(*x), axis=1)
)
输出：
# before
>>> df
col1 col2 col3 colx
A 0 1 2 3
B 4 5 6 7
C 8 9 10 11
# after
>>> df
col1 col2 col3 colx
A 0 3 6 3
B 28 35 42 7
C 88 99 110 11
评论
x.loc[0]x[0]colxconvert_my_datastatsmodels.tsa