pandas SettingWithCopyWarning

#拉格朗日法进行插补
import pandas as pd
from scipy.interpolate import lagrange #导入拉格朗日插值函数
inputfile='python数据分析与挖掘实战/chapter4/demo/data/catering_sale.xls'
outputfile='test_sales.xls'
data=pd.read_excel(inputfile)
data[u'销量'][(data[u'销量'] < 400) | (data[u'销量'] > 5000)] = None #过滤异常值，将其变为空值
#自定义列向量插值函数
#s为列向量，n为被插值的位置，k为取前后的数据个数，默认为5
def ployinterp_column(s, n, k=5):
y = s[list(range(n-k, n)) + list(range(n+1, n+1+k))] #取数
y = y[y.notnull()] #剔除空值
return lagrange(y.index, list(y))(n) #插值并返回插值结果
#逐个元素判断是否需要插值
for i in data.columns:
for j in range(len(data)):
if (data[i].isnull())[j]: #如果为空即插值。
data[i][j] = ployinterp_column(data[i], j)
data.to_excel(outputfile) #输出结果，写入文件

#拉格朗日法进行插补
import pandas as pd
from scipy.interpolate import lagrange #导入拉格朗日插值函数
inputfile='python数据分析与挖掘实战/chapter4/demo/data/catering_sale.xls'
outputfile='test_sales.xls'
data=pd.read_excel(inputfile)
#data[u'销量'][(data[u'销量'] < 400) | (data[u'销量'] > 5000)] = None #过滤异常值，将其变为空值
#data.loc[:,(u'销量',)][(data[u'销量'] < 400) | (data[u'销量'] > 5000)] = None #这是对处理后得到一个结果，不能作用到原数据上
row_indexs=(data[u'销量'] < 400) | (data[u'销量'] > 5000)
data.loc[row_indexs,u'销量']=None
#自定义列向量插值函数
#s为列向量，n为被插值的位置，k为取前后的数据个数，默认为5
def ployinterp_column(s, n, k=5):
y = s[list(range(n-k, n)) + list(range(n+1, n+1+k))] #取数
y = y[y.notnull()] #剔除空值
return lagrange(y.index, list(y))(n) #插值并返回插值结果
#逐个元素判断是否需要插值
for i in data.columns:
for j in range(len(data)):
if (data[i].isnull())[j]: #如果为空即插值。
#data[i][j] = ployinterp_column(data[i], j)
data.loc[j,i] = ployinterp_column(data[i], j)
data.to_excel(outputfile) #输出结果，写入文件