为什么 Pandas DataFrame 修改有时会影响原始 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)

输出：

   x
0 -1
1  2

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)

输出：

   x
0  1
1  2

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！