最近在學習張良均老師的《Python數據分析與挖掘實戰》，發現部分代碼存在錯誤，特分享調試好的代碼，供學習參考。
代碼清單4-1 用拉格朗日法進行插補
書本代碼：
#拉格朗日插值代碼
import pandas as pd #導入數據分析庫Pandas
from scipy.interpolate import lagrange #導入拉格朗日插值函數
inputfile = '../data/catering_sale.xls' #銷量數據路徑
outputfile = '../tmp/sales.xls' #輸出數據路徑
data = pd.read_excel(inputfile) #讀入數據
data[u'銷量'][(data[u'銷量'] < 400) | (data[u'銷量'] > 5000)] = None #過濾異常值，將其變爲空值
#自定義列向量插值函數
#s爲列向量，n爲被插值的位置，k爲取前後的數據個數，默認爲5
def ployinterp_column(s, n, k=5):
y = s[list(range(n-k, n)) + list(range(n+1, n+1+k))] #取數
y = y[y.notnull()] #剔除空值
return lagrange(y.index, list(y))(n) #插值並返回插值結果
#逐個元素判斷是否需要插值
for i in data.columns:
for j in range(len(data)):
if (data[i].isnull())[j]: #如果爲空即插值。
data[i][j] = ployinterp_column(data[i], j)
data.to_excel(outputfile) #輸出結果，寫入文件
錯誤提示：
出錯的原因是1.出現警告"A value is trying to be set on a copy of a slice from a DataFrame"的原因是告訴我們在使用pandas中要極力避免利用chained indexing方式，即DataFrame[][]的形式去賦值，這裏解決方案是將data[u'銷量'][(data[u'銷量'] < 400) | (data[u'銷量'] > 5000)] = None改爲data.loc[(data[u'銷量'] < 400) | (data[u'銷量'] > 5000)] = None ；2.出現警告"Passing list-likes to .loc or [] with any missing label will raise KeyError in the future",這裏解決方案是將 y = s[list(range(n-k, n)) + list(range(n+1, n+1+k))]改爲y = s.reindex（list(range(n-k, n)) + list(range(n+1, n+1+k))）；3.將data[i][j] = ployinterp_column(data[i], j)改爲data[i,j] = ployinterp_column(data[i], j)。
針對第報錯1，官方解釋爲：
當 Pandas 檢測到鏈式賦值（Chained Assignment）時會生成警告。爲了方便後續的解釋，先來解釋一些術語：
- 賦值（Assignment） - 設置某些變量值的操作，例如
data = pd.read_csv('day-auctions.csv')，有時會將這個操作稱之爲 設置（Set） 。 - 訪問（Access） - 返回某些值的操作，具體參照下方的索引和鏈式索引示例。有時會將這個操作稱之爲 獲取（Get） 。
- 索引（Indexing） - 任何引用數據子集的賦值或訪問方法，例如
data[1:5]。 - 鏈式索引（Chaining） - 連續使用多個索引操作，例如
data[1:5][1:3]。
鏈式賦值是鏈式索引和賦值的組合。
警告是因爲將兩個索引操作鏈接在一起，直接使用了兩次方括號的鏈式索引比較容易理解。但如果使用其他訪問方法，例如 .bidderrate、.loc[]、.iloc[]、.ix[]，也會如此，這次的鏈式操作有：
data[data.bidder == 'parakeet']['bidderrate'] = 100
以上兩個鏈式操作一個接一個地獨立執行。第一次鏈式操作是爲了 Get，返回一個 DataFrame，其中包含所有 bidder 等於 'parakeet' 的行；第二次鏈式操作是爲了 Set，是在這個新返回的 DataFrame 上運行的，並沒有修改原始的 DataFrame。
這種情況對應的解決方案很簡單：使用 loc 將兩次鏈式操作組合成一步操作，從而確保 Pandas 進行 Set 的是原始 DataFrame。
修改後代碼：
#拉格朗日插值代碼
import pandas as pd #導入數據分析庫Pandas
from scipy.interpolate import lagrange #導入拉格朗日插值函數
inputfile = '../data/catering_sale.xls' #銷量數據路徑
outputfile = '../tmp/sales.xls' #輸出數據路徑
data = pd.read_excel(inputfile) #讀入數據
row_indexs = (data[u'銷量'] < 400) | (data[u'銷量'] > 5000)
data.loc[row_indexs,u'銷量'] = None #過濾異常值，將其變爲空值
#自定義列向量插值函數
#s爲列向量，n爲被插值的位置，k爲取前後的數據個數，默認爲5
def ployinterp_column(s, n, k=5):
y = s.reindex(list(range(n-k, n)) + list(range(n+1, n+1+k)) )#取數
y = y[y.notnull()] #剔除空值
return lagrange(y.index, list(y))(n) #插值並返回插值結果
#逐個元素判斷是否需要插值
for i in data.columns:
for j in range(len(data)):
if (data[i].isnull())[j]: #如果爲空即插值。
data[i,j] = ployinterp_column(data[i], j)
data.to_excel(outputfile) #輸出結果，寫入文件