Правильная модификация ломтик DataFrame

Question

Я пытаюсь изменить набор столбцов из набора строк и, конечно, я получаю предупреждение о:

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

Я видел подобный вопрос here, но не может обернуть мой голову вокруг него.

Так что, если мы будем следовать этому пример кода:

from random import random as rd 
ex= pd.DataFrame([{"group": ["a","b"][int(round(rd()))], "colA": rd()*10, "colB": rd()*10, "colC": rd()*10, "colD": rd()*10} for _ in range(20)]) 
cols = [col for col in ex.columns if col != "group"] 

Я хотел бы изменить только те строки, которые принадлежат group a и только на колонках cols, для которых я как бы интуитивно идут попробовать (и получить предупреждение предостережение):

ex[ex["group"]=="a"][cols] = ex[ex["group"]=="a"][cols]/ex.ix[0,cols] 

количество столбцов совпадают и имеют одинаковые метки, так что мне интересно, если бы пойти один за другим, как:

for idx in ex[ex["group"]=="a"].index: 
    for col in cols: 
     ex.ix[idx, col]=ex.ix[idx, col]/ex.ix[0,col] 

Это, конечно, работает, но похоже на шаг назад. Итак, каков был бы правильный способ сделать что-то подобное?

Answer 1

IIUC вы можете сделать это за один шаг, используя .loc, ваше логическое условие и передать список перевалы:

In [110]: 
from random import random as rd 
ex= pd.DataFrame([{"group": ["a","b"][int(round(rd()))], "colA": rd()*10, "colB": rd()*10, "colC": rd()*10, "colD": rd()*10} for _ in range(20)]) 
cols = [col for col in ex.columns if col != "group"] 
ex 

Out[110]: 
     colA  colB  colC  colD group 
0 5.895114 3.961007 0.589091 9.846131  a 
1 1.789049 7.532745 2.767378 9.144689  b 
2 1.218778 2.715299 3.626688 6.516540  a 
3 9.327049 3.207037 4.513850 1.910565  b 
4 1.822876 0.049689 0.794706 8.463579  a 
5 1.451741 6.045066 6.575130 4.882635  b 
6 6.741825 4.253489 2.162466 1.050275  a 
7 5.186613 3.401384 1.055468 4.060071  a 
8 0.921352 8.076272 6.727293 3.219364  a 
9 3.209232 8.883085 9.696195 4.089006  b 
10 0.970030 6.412611 5.377420 5.475744  b 
11 7.905807 4.576925 6.991989 2.974597  b 
12 4.907642 7.123328 9.851058 2.337944  b 
13 1.191606 2.636071 5.740342 3.301008  b 
14 1.454777 3.086801 3.573110 1.402692  b 
15 3.253882 1.853393 5.156287 8.268881  b 
16 4.779060 4.689739 1.228976 6.339238  b 
17 7.950160 4.973974 4.304821 4.492152  b 
18 0.581628 6.860053 2.974577 6.542594  a 
19 6.872025 9.216597 0.936447 5.518941  b 

In [111]:  
ex.loc[ex['group']=='a', cols] /= ex.iloc[0][cols] 
ex 

Out[111]: 
     colA  colB  colC  colD group 
0 1.000000 1.000000 1.000000 1.000000  a 
1 1.789049 7.532745 2.767378 9.144689  b 
2 0.206744 0.685507 6.156417 0.661838  a 
3 9.327049 3.207037 4.513850 1.910565  b 
4 0.309218 0.012545 1.349039 0.859584  a 
5 1.451741 6.045066 6.575130 4.882635  b 
6 1.143629 1.073840 3.670853 0.106669  a 
7 0.879816 0.858717 1.791690 0.412352  a 
8 0.156291 2.038944 11.419789 0.326967  a 
9 3.209232 8.883085 9.696195 4.089006  b 
10 0.970030 6.412611 5.377420 5.475744  b 
11 7.905807 4.576925 6.991989 2.974597  b 
12 4.907642 7.123328 9.851058 2.337944  b 
13 1.191606 2.636071 5.740342 3.301008  b 
14 1.454777 3.086801 3.573110 1.402692  b 
15 3.253882 1.853393 5.156287 8.268881  b 
16 4.779060 4.689739 1.228976 6.339238  b 
17 7.950160 4.973974 4.304821 4.492152  b 
18 0.098663 1.731896 5.049437 0.664484  a 
19 6.872025 9.216597 0.936447 5.518941  b 

Timings

In [112]: 
%%timeit 
for idx in ex[ex["group"]=="a"].index: 
    for col in cols: 
     ex.ix[idx, col]=ex.ix[idx, col]/ex.ix[0,col] 
100 loops, best of 3: 11 ms per loop 

In [113]: 
%timeit ex.loc[ex['group']=='a', cols] /= ex.iloc[0][cols] 
100 loops, best of 3: 5.3 ms per loop 

Так что на ваш небольшой размер выборки мой метод более чем на 2 раза быстрее, я ожидаю, что он будет намного лучше масштабироваться с большими наборами данных, поскольку он векторизован