Hacktoberfest 2026: le issue che i maintainer hanno segnato per ottobre, aperte e adatte ai principianti. Sfoglia le issue Hacktoberfest

Resolve deprecation issue with `create_cosmos_bc_excel.py`

Aperta Adatta ai principianti
  • Qualcosa non va?
#83 0 commenti 0 reazioni 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
2/5
Tempo stimato
1-3 ore
Idoneità per principianti
78/100
Tipo di issue
Bug
Chiarezza
Specificata chiaramente
Stato di attività
Attiva
Stack tecnologico
pandas, python
Ambito
data-engineering

Direzione di ricerca

Inizia dalle assegnazioni alle righe 193, 220 e 223 di scripts/create_cosmos_bc_excel.py; gli avvisi segnalano assegnazioni concatenate che con pandas 3.0 non aggiorneranno più il DataFrame originale. Esegui il comando mostrato nell’issue per riprodurli, quindi aggiorna le assegnazioni in modo che gli avvisi scompaiano e verifica che i file Excel e CSV vengano ancora generati.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

bug

FutureWarning: ChainedAssignmentError error messager thrown when executing create_cosmos_bc_excel.py script.

% python scripts/create_cosmos_bc_excel.py -s YAML -y yaml/20261027_r19/bc -o curation/draft/cdisc_biomedical_concepts_r19_draft.xlsx -d 20261027

Getting 118 YAML files from yaml/20261027_r19/bc
Writing ReadMe sheet
Writing Biomedical Concepts sheet
Writing Categories sheet
/Users/dmoreland/projects/COSMoS/scripts/create_cosmos_bc_excel.py:193: FutureWarning: ChainedAssignmentError: behaviour will change in pandas 3.0!
You are setting values through chained assignment. Currently this works in certain cases, but when using Copy-on-Write (which will become the default behaviour in pandas 3.0) this will never work to update the original DataFrame or Series, because the intermediate object on which we are setting values will behave as a copy.
A typical example is when you are setting values in a column of a DataFrame, like:

df["col"][row_indexer] = value

Use `df.loc[row_indexer, "col"] = values` instead, to perform the assignment in a single step and ensure this keeps updating the original `df`.

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy


  df_new['count_dec'] = 1 * (pd.notna(df['dec_id']) & (df['dec_id'] != ''))
/Users/dmoreland/projects/COSMoS/scripts/create_cosmos_bc_excel.py:220: FutureWarning: ChainedAssignmentError: behaviour will change in pandas 3.0!
You are setting values through chained assignment. Currently this works in certain cases, but when using Copy-on-Write (which will become the default behaviour in pandas 3.0) this will never work to update the original DataFrame or Series, because the intermediate object on which we are setting values will behave as a copy.
A typical example is when you are setting values in a column of a DataFrame, like:

df["col"][row_indexer] = value

Use `df.loc[row_indexer, "col"] = values` instead, to perform the assignment in a single step and ensure this keeps updating the original `df`.

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy

  df_processed['bc_hierarchy_level'] = df_processed['bc_id'].map(
/Users/dmoreland/projects/COSMoS/scripts/create_cosmos_bc_excel.py:223: FutureWarning: ChainedAssignmentError: behaviour will change in pandas 3.0!
You are setting values through chained assignment. Currently this works in certain cases, but when using Copy-on-Write (which will become the default behaviour in pandas 3.0) this will never work to update the original DataFrame or Series, because the intermediate object on which we are setting values will behave as a copy.
A typical example is when you are setting values in a column of a DataFrame, like:

df["col"][row_indexer] = value

Use `df.loc[row_indexer, "col"] = values` instead, to perform the assignment in a single step and ensure this keeps updating the original `df`.

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy

  df_processed['bc_hierarchy_full'] = df_processed['bc_id'].map(
Writing BC Hierarchy sheet
Excel file saved as curation/draft/cdisc_biomedical_concepts_r19_draft.xlsx
CSV file saved as curation/draft/cdisc_biomedical_concepts_r19_draft.csv
CSV file saved as curation/draft/cdisc_biomedical_concepts_r19_draft_hierarchy.csv
Lingua principale
SAS
Stelle
35
Fork
7
Merge medio
42m
PR unite (30g)
1

Preparare l'ambiente

Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di cdisc-org/COSMoS

Tutte le issue di cdisc-org/COSMoS

Issue simili

Altre issue su Data Engineering

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.