pandas大数据量rank函数nan无数据 以及 SettingWithCopyWarning告警问题解决

• rank函数问题

刚一开始是这么写的

df_init_['序号'] = df_init_.更新时间.rank(axis=0, method='max', na_option='bottom')  # 按照支付时间排序

，结果发现自己造的十几条数据没有任何问题，也能按照预期排序，但一放进生产上，‘序号’这一列就全部都是nan，如图

注意看最后一列，也就是‘序号’列，都是nan值，百思不得其解，后来在官网上找到这么几句话

这里说的很简单，推荐使用df.loc[]这种方式，不推荐使用df[columns]的方式，我相信很多人跟我一样，知道不推荐，但还是要用，因为方便，那这和我们遇到的问题有关系吗？答案是有的，继续往下看，找到了更针对性的话语：

请特别注意我框出来的地方，这段话很清晰的告诉你，如果你使用df[column]的方式，pandas不保证返回的结果是这个df本身还是一个副本，也就是说，如果返回的是一个副本，那结果很显然，你想要的那个df里自然就没有这一列了，

而这个问题其实在数据量小的时候是看不出来的，上面文档已经说了，返回副本还是视图是由内存决定的，所以我个人推测数据量大的时候内存占用也大，所以就返回一个副本另设定一个变量了，要解决其实也简单，只需要改成这样

df_init_.loc[:, '序号'] = df_init_.更新时间.rank(axis=0, method='max', na_option='bottom')  # 按照支付时间排序

SettingWithCopyWarning

这个问题其实和上面那个一脉相承，与这个标题一同出现的还有两行：
(1)ttingWithCopyWarning:

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

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy return super().rename(

(2)SettingWithCopyWarning:

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

Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy self.obj[item_labels[indexer[info_axis]]] = value

其实真正的原因还是：python中的“变量”其实是一个“标签”，而不是一个“容器”。当用df=dfSource[…]截取第5至10行后，df实际是一个指向dfSource第5至10的“标签”，在内存中并没有为df分配新的地址存储希望截取的数据。

解决办法也简单，给所有为了想要获取实际有意义的变量df赋值前，先进行copy，例如这样

df_init_ = df_init.copy()

copy之后，df_init_就会获得实际的内存地址和数据，而不是仅仅是指向df_init的的路标。

至此，问题解决完毕