当我随机播放DataFrame的副本时，为什么原来的DataFrame也会被洗牌？

Question

这是输入，

    df1= pd.DataFrame(np.random.randn(10,3), columns= list("ABC") )
              A         B         C
    0  0.468682 -0.136178  0.418900
    1 -0.362995 -0.111931  0.433537
    2 -1.194483 -0.844683 -1.022719
    3  0.531893 -1.032088 -1.683009
    4  2.113807 -0.450628  0.004971
    5  0.141548 -0.621090 -0.135580
    6  0.128670 -0.460494 -0.016550
    7 -0.099141 -0.010140 -0.066042
    8  1.317759 -1.522207 -0.234447
    9 -0.039051 -1.395751 -0.431717

然后我创建了它的副本。我假设我实际上克隆了对象而不只是创建一个新的链接。我希望将原始DataFrame的副本随机播放，同时保持原始DataFrame不受影响。

    df2=df1.copy(deep= True)

通过这样做后，我把df2洗牌了

    np.random.shuffle(df2.index.values)

然后我发现df2和df1都被洗牌了。

    df1.index
    Out[177]: Int64Index([7, 8, 0, 1, 3, 4, 6, 2, 5, 9], dtype='int64')

    df2.index
    Out[178]: Int64Index([7, 8, 0, 1, 3, 4, 6, 2, 5, 9], dtype='int64')

有人说这是由于Deep Copy实际上并不深。然后我试着看看每个DataFrame的索引是否引用了不同的对象。 我试过了，

    print(id(df1.index))
    print(id(df2.index))
    df1.index is df2.index

我有，

    156017776
    156170112
    False

现在我更加困惑了。如果它们是不同的对象，为什么我的解决方案失败了，如何实现我想要的？ 这不是this post的重复，因为那时深拷贝不会创建新的索引对象，但现在副本确实有一个新的索引对象。但问题仍然存在。 （我使用的是pandas 0.17.0; numpy 1.10.1）

Answer 1

是的，您的发现与我测试的结果一致。

我在网上发现了https://github.com/pydata/pandas/issues/4202

似乎在pandas中，日期框架副本将排除索引（df.index不会被深层复制）

我尝试过的可能修复方法如下：

df1= pd.DataFrame(np.random.randn(10,3), columns= list("ABC") )
print df1.index
df2=df1.copy(deep= True)
df2.index = copy.deepcopy(df1.index)
np.random.shuffle(df2.index.values)
print df1.index

结果如下：

Int64Index([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype='int64')
Int64Index([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype='int64')

希望它有所帮助。

Answer 2

df1.index和df2.index的ID不同，但df1.index.values和df2.index.values具有相同的ID：

In [68]: id(df1.index), id(df2.index)
Out[68]: (140032214366920, 140032214391720)

In [69]: id(df1.index.values), id(df2.index.values)
Out[69]: (140032213182304, 140032213182304)

更改了值，因此您可以使用np.random.shuffle并分配给df2.index结果：

In [73]: df2.index = np.random.permutation(df2.index)

In [74]: df1.index
Out[74]: Int64Index([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype='int64')

In [75]: df2.index
Out[75]: Int64Index([6, 2, 1, 8, 7, 0, 4, 5, 3, 9], dtype='int64')

但是，为什么df1.index和df2.index具有不同的ID但其值不是，这仍然很奇怪。