我有一个带有日期时间索引的数据帧、一个要按其分组的列和一个包含整数集的列：
import pandas as pd
df = pd.DataFrame([['2018-01-01', 1, {1, 2, 3}],
['2018-01-02', 1, {3}],
['2018-01-03', 1, {3, 4, 5}],
['2018-01-04', 1, {5, 6}],
['2018-01-01', 2, {7}],
['2018-01-02', 2, {8}],
['2018-01-03', 2, {9}],
['2018-01-04', 2, {10}]],
columns=['timestamp', 'group', 'ids'])
df['timestamp'] = pd.to_datetime(df['timestamp'])
df.set_index('timestamp', inplace=True)
group ids
timestamp
2018-01-01 1 {1, 2, 3}
2018-01-02 1 {3}
2018-01-03 1 {3, 4, 5}
2018-01-04 1 {5, 6}
2018-01-01 2 {7}
2018-01-02 2 {8}
2018-01-03 2 {9}
2018-01-04 2 {10}
在每一组中，我想在过去的x天内建立一个滚动集联盟。所以假设X=3，结果应该是：
group ids
timestamp
2018-01-01 1 {1, 2, 3}
2018-01-02 1 {1, 2, 3}
2018-01-03 1 {1, 2, 3, 4, 5}
2018-01-04 1 {3, 4, 5, 6}
2018-01-01 2 {7}
2018-01-02 2 {7, 8}
2018-01-03 2 {7, 8, 9}
2018-01-04 2 {8, 9, 10}
从对my previous question的回答中，我很清楚如何在不分组的情况下完成这项工作，因此我提出了目前的解决方案：
grouped = df.groupby('group')
new_df = pd.DataFrame()
for name, group in grouped:
group['ids'] = [
set.union(*group['ids'].to_frame().iloc(axis=1)[max(0, i-2): i+1,0])
for i in range(len(group.index))
]
new_df = new_df.append(group)
这给出了正确的结果，但看起来相当笨拙，并给出以下警告：
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: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
不过，提供的链接中的文档似乎并不完全符合我的实际情况。（至少在这种情况下，我无法理解。）
我的问题是：如何改进此代码，使其干净、高效，并且不抛出警告消息？
最佳答案
作为mentioned in the docs，不要在循环中使用pd.DataFrame.append；这样做会很昂贵。
相反，使用list并馈送到pd.concat。
您可以通过在列表中创建数据副本来避免SettingWithCopyWarning，即在列表理解中通过assign+iloc避免chained indexing：
L = [group.assign(ids=[set.union(*group.iloc[max(0, i-2): i+1, -1]) \
for i in range(len(group.index))]) \
for _, group in df.groupby('group')]
res = pd.concat(L)
print(res)
group ids
timestamp
2018-01-01 1 {1, 2, 3}
2018-01-02 1 {1, 2, 3}
2018-01-03 1 {1, 2, 3, 4, 5}
2018-01-04 1 {3, 4, 5, 6}
2018-01-01 2 {7}
2018-01-02 2 {8, 7}
2018-01-03 2 {8, 9, 7}
2018-01-04 2 {8, 9, 10}