为什么 Pandas DataFrame 修改有时会影响原始 DataFrame?

Linda Hamilton
发布: 2024-11-08 03:21:01
原创
556 人浏览过

Why do Pandas DataFrame modifications sometimes affect the original DataFrame?

了解 Pandas 中数据帧复制的需求

使用 Pandas 数据帧时,选择是否创建数据帧的副本数据框可能会产生重大影响。默认情况下,索引数据帧会返回对原始数据结构的引用。因此,对子集进行的任何修改都将直接修改父框架。

为了说明此行为,请考虑以下示例:

df = pd.DataFrame({'x': [1, 2]})
df_sub = df[0:1]
df_sub.x = -1
print(df)
登录后复制

输出:

   x
0 -1
1  2
登录后复制

正如您所观察到的,修改子集的值会直接改变原始数据帧中的相应值。

在必须保护原始数据帧不被修改的情况下,复制是必要的。这可以使用 .copy() 方法来实现。下面是一个示例:

df_sub_copy = df[0:1].copy()
df_sub_copy.x = -1
print(df)
登录后复制

输出:

   x
0  1
1  2
登录后复制

在这种情况下,.copy() 确保对 df_sub_copy 所做的任何更改都不会影响原始 df。

重要的是要理解这种行为仅适​​用于深复制,这意味着整个引用的数据都被复制到新对象中。相反,浅拷贝创建一个新对象,该对象引用与原始对象相同的基础数据。因此,对浅拷贝所做的任何更改也会影响原始数据帧。

以上是为什么 Pandas DataFrame 修改有时会影响原始 DataFrame?的详细内容。更多信息请关注PHP中文网其他相关文章!

来源:php.cn
本站声明
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn
作者最新文章
热门教程
更多>
最新下载
更多>
网站特效
网站源码
网站素材
前端模板