Question

我有一个数据框df2，它是另一个数据框的副本：

In [5]: df = DataFrame({"A":[1,2,3],"B":[4,5,6],"C":[7,8,9]})
In [6]: df
Out[6]:
   A  B  C
0  1  4  7
1  2  5  8
2  3  6  9

In [7]: df2 = df.copy()

因此不相同的对象：

In [8]: df is df2
Out[8]: False

In [9]: hex(id(df))
Out[9]: '0x89c6550L'

In [10]: hex(id(df2))
Out[10]: '0x89c6a58L'

我的问题是关于这两个数据帧的列。为什么从df.columns和df2.columns返回的列对象是同一个对象？

In [11]: df.columns is df2.columns
Out[11]: True

In [12]: hex(id(df.columns))
Out[12]: '0x89bfb38L'

In [13]: hex(id(df2.columns))
Out[13]: '0x89bfb38L'

但如果我做出改变，那么它们会成为两个独立的对象吗？

In [14]: df2.rename(columns={"B":"D"}, inplace=True)

In [15]: df.columns
Out[15]: Index([A, B, C], dtype=object)

In [16]: df2.columns
Out[16]: Index([A, D, C], dtype=object)

In [17]: df.columns is df2.columns 
Out[17]: False

In [18]: hex(id(df.columns))
Out[18]: '0x89bfb38L'

In [19]: hex(id(df2.columns))
Out[19]: '0x89bfc88L'

有人可以解释这里发生了什么吗？为什么df.columns和df2.columns从一开始就没有两个独立的对象？

Answer 1

df.columns是一个Index对象。

这些是不可变对象（类似于字符串/整数是不可变的。你可以将引用更改为一个，但不能更改实际对象。）

这允许共享并因此提高性能效率（并且在复制索引时不需要实际复制内存）。当你'改变'一个，你真的得到一个新的对象（而不是对原始对象的引用）

几乎所有的pandas操作都会返回一个新对象，请参见此处：http://pandas.pydata.org/pandas-docs/stable/basics.html#copying

所以rename等同于复制然后分配给索引（列和/或索引，无论你要改变什么）。但是，这种赋值行为会创建一个新的索引对象。（因此rename只是此操作的便捷方法）

df.columns和df2.columns是同一个对象？

1 个答案: