FutureWarning：设置不兼容的数据类型的项目已被弃用，并将在 pandas 的未来错误中引发

Question

这是示例代码：

import pandas as pd

data = {
    'Id': ['id1', 'id2', 'id3', 'id4'],
    'col1': [41, 41, 41, 41],
    'col2': [6, 6, 6, 6]
}

df = pd.DataFrame(data)

df.iloc[:,1:] = df.iloc[:,1:].astype(float)
df.iloc[:,1:] = df.iloc[:,1:].div(150)

这会产生错误：

Name: col1, dtype: float64' has dtype incompatible with int64, please explicitly cast to a compatible dtype first.
  df.iloc[:,1:] = df.iloc[:,1:].astype(float)

但是有效的是：

for col in df.columns[1:]:
    df[col] = df[col].astype(float).div(150)

这是解决这个问题的唯一方法吗？看起来效率很低。

Answer 1

问题是由于在索引分配中使用了切片

:

。

df[col]

将使用新的 dtype 创建一个新系列，但

df.loc[:]

（或

df.iloc[:, 1:]

）只会更改值 ，同时保留原始 dtypes。这就是您的错误的原因（float64' 的 dtype 与 int64 不兼容），因为您不应该在整数列中分配浮点数。

用途：

cols = df.columns[1:]

df[cols] = df[cols].astype(float).div(150)

请注意，如果您在其之前强制使用 dtypes，那么您的方法将会起作用：

df = df.astype({'col1': float, 'col2': float})
df.iloc[:,1:] = df.iloc[:,1:].astype(float)
df.iloc[:,1:] = df.iloc[:,1:].div(150)

输出：

    Id      col1      col2
0  id1  0.001822  0.000267
1  id2  0.001822  0.000267
2  id3  0.001822  0.000267
3  id4  0.001822  0.000267