Question

In[216]: foo = pd.DataFrame({'a':[1,2,3], 'b':[3,4,5]})
In[217]: bar = foo.ix[:1]
In[218]: bar
Out[218]: 
   a  b
0  1  3
1  2  4

按预期创建视图。

In[219]: bar['a'] = 100
In[220]: bar
Out[220]: 
     a  b
0  100  3
1  100  4
In[221]: foo
Out[221]: 
     a  b
0  100  3
1  100  4
2    3  5

如果修改了视图，原始数据帧foo也是如此。但是，如果使用“无”进行分配，则似乎会进行复制。任何人都可以了解正在发生的事情以及可能背后的逻辑吗？

In[222]: bar['a'] = None
In[223]: bar
Out[223]: 
      a  b
0  None  3
1  None  4
In[224]: foo
Out[224]: 
     a  b
0  100  3
1  100  4
2    3  5

Answer 1

当您指定bar['a'] = None时，您强制该列将其dtype从例如I4更改为object。

这样做会强制它为列分配一个新的object数组，然后它会写入该新数组，而不是写入与原始DataFrame共享的旧数组。< / p>

Answer 2

你正在做一种链式作业的形式，请参阅here为什么这是一个非常糟糕的主意。

同时查看此问题here

Pandas通常会警告您正在修改视图（在0.15.0中更是如此）。

In [49]: foo = pd.DataFrame({'a':[1,2,3], 'b':[3,4,5]})

In [51]: foo
Out[51]: 
   a  b
0  1  3
1  2  4
2  3  5

In [52]: bar = foo.ix[:1]

In [53]: bar
Out[53]: 
   a  b
0  1  3
1  2  4

In [54]: bar.dtypes
Out[54]: 
a    int64
b    int64
dtype: object

# this is an internal method (but is for illustration)
In [56]: bar._is_view
Out[56]: True

# this will warn in 0.15.0
In [57]: bar['a'] = 100
/usr/local/bin/ipython:1: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
  #!/usr/local/bin/python

In [58]: bar._is_view
Out[58]: True

# bar is now a copied object (and will replace the existing dtypes with new ones).
In [59]: bar['a'] = None

In [60]: bar.dtypes
Out[60]: 
a    object
b     int64
dtype: object

你应该从不依赖某些东西是否是一个视图（即使是在numpy中），除非在某些非常高效的情况下。它不是有保证的构造，具体取决于底层数据的内存布局。

你应该很少尝试通过视图设置传播数据。当你混合dtypes时，在pandas中执行此操作几乎总会导致麻烦。（在numpy中你可以只在一个dtype上有一个视图;我甚至不确定在多个dtyped数组上哪个更改 dtype的视图，或者是甚至允许）。

为什么在分配无时创建副本？

2 个答案: