我有一个像这样的有两列的框架：

country_code    geo_coords
GB              nan
nan             [13.43, 52.48]
TR              nan
...

字符串
我想使用geo_coords列中的信息在country_code中填充nan值。
为了从坐标中提取国家代码，我使用了reverse_geocoder模块。
这是我的代码：

def from_coords_to_code(coords):
    """Find the country code of coordinates.

    Args:
        coords: coordinates of the point in [lon, lat] format
    """
    return rg.search(coords[::-1])[0]["cc"]

sub_df["country_code"].fillna(sub_df["geo_coords"], inplace=True)

sub_df["country_code"] = sub_df["country_code"].apply(
    lambda x: from_coords_to_code(x) if isinstance(x, list) else x
)

型
由于我有成千上万的行，这段代码非常慢。
在另一个question之后，我试图在删除nan值后对整个geo_coords列应用反向地理编码：

geo_coords = df["geo_coords"].loc[df["geo_coords"].notna()]
geo_coords_tuple = tuple(geo_coords.apply(lambda x: tuple(x[::-1])))
cc_new = rg.search(geo_coords_tuple, mode=2)
country_code = [i["cc"] for i in cc_new]

for i, j in enumerate(geo_coords.index):
    df["country_code"].iloc[j] = country_code[i]

型
这样会更快，但它给了我一个警告：

A value is trying to be set on a copy of a slice from a DataFrame

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  sub_df["country_code"].iloc[j] = country_code[i]

型
我想避免这种情况，我不确定这是一个最佳解决方案。
有什么建议可以让整个代码更高效吗？
我很高兴从“reverse_geocoder”转移到任何其他模块。
重要：geo_coords中的坐标是geoJSON格式的，即[lon，lat]，这就是我将它们反转的原因。