A value is trying to be set on a copy of a slice from a DataFrameを解消して、データを文字列から数字に変換したい

Question

kaggleをやり始めたのですが、

test["Sex"][test["Sex"] == "male"] = 0

このように文字列を数字へ変換しようとすると

A value is trying to be set on a copy of a slice from a DataFrame

というエラーが発生してしまいます。

test["Sex"].copy()[test["Sex"] == "male"] = 0

このように記載するとエラーは出なくなるのですが、
決定木のモデルで使用する時に

could not convert string to float: 'male'

という変換されていないというエラーになってしまいます。

良い方法は、ありますか?

よければ教えていただけると幸いです。

Answer 1

index 操作して作成されたコピーに対して、代入しているので、元のデータフレームは変わらないので注意してくださいという警告です。

基本的に質問の例のように [] を連続して使うと発生します。
行と列を [] で分けて選択しなくとも loc を使えば、1回で選択できます。

import pandas as pd

df = pd.read_csv("titanic.csv")
# df["Sex"] == "male" である行の "Sex" の列を選択
df.loc[df["Sex"] == "male", "Sex"] = 0

df["Sex"].base is df["Sex"].base

ちなみにカテゴリ変数の数値化は、pandas.factorize を呼び出せば、一発でできます。

import pandas as pd

df = pd.read_csv("titanic.csv")
df["Sex"] = pd.factorize(df["Sex"])[0]
df

Comments

[aushijima]

pandas.factorize を使用することで解決できました。ありがとうございます。