Question

考虑数据框df

df = pd.DataFrame(dict(A=[1, 2, 3]))
df

   A
0  1
1  2
2  3

现在我将分配给变量a系列df.A

a = df.A
a

0    1
1    2
2    3
Name: A, dtype: int64

我现在会增加a的索引

a.index = a.index + 1
print(a)
print()
print(df)

1    1
2    2
3    3
Name: A, dtype: int64

   A
0  1
1  2
2  3

这里没什么可看的。一切如预期......
但现在我要重新分配a = df.A

a = df.A
print(a)
print()
print(df)

1    1
2    2
3    3
Name: A, dtype: int64

   A
0  1
1  2
2  3

我刚从a直接重新分配df。 df索引就是这样，但a索引不同。它是在我增加它之后和我重新分配之前的原因。

当然，如果我重新构建df，一切都会重置。

df = pd.DataFrame(dict(A=[1, 2, 3]))
a = df.A
print(a)
print()
print(df)

0    1
1    2
2    3
Name: A, dtype: int64

   A
0  1
1  2
2  3

但这必须意味着pd.Series对象中正在跟踪的pd.DataFrame对象会跟踪它自己的索引，而该索引在{{{ 1}}级别。

问题
我能正确地解释这个吗？

它甚至会导致这样的怪异：

pd.DataFrame

Answer 1

这看起来像是python对象标识的错误或意外后果，在赋值之前我们可以看到索引是相同的：

In [175]:
df = pd.DataFrame(dict(A=[1, 2, 3]))
df

Out[175]:
   A
0  1
1  2
2  3

In [176]:
print(id(df.index))
print(id(df['A']))
print(id(df['A'].index))
a = df.A
a

132848496
135123240
132848496

Out[176]:
0    1
1    2
2    3
Name: A, dtype: int64

现在，如果我们修改引用，索引现在变成了不同的对象，a和df['A']都是相同的：

In [177]:
a.index = a.index + 1
print(a)
print(id(a))
print(id(df.A))
print()
print(df)
print(id(df.A.index))
print(id(a.index))

1    1
2    2
3    3
Name: A, dtype: int64
135123240
135123240

   A
0  1
1  2
2  3
135125144
135125144

但现在df.index与df['A'].index和a.index不同：

In [181]:
print(id(df.index))
print(id(a.index))
print(id(df['A'].index))

132848496
135124808
135124808

就我个人而言，我认为这是一个意想不到的后果，因为一旦你将a引用到'A'列，一旦你开始改变引用和我敢打赌，这比通常的df警告

更难捕捉

为了避免这种情况，最好调用Setting on copy进行深层复制，以便任何突变都不会影响原始数据：

copy()

Answer 2

它是引用游戏（指针），每个DataFrame都有自己的索引数组，DataFrame中的系列引用了相同的索引数组

执行a.index = a.index + 1时，系列中的引用已更改，因此a.index与df.A.index相同，不同于df.index

现在，如果您尝试清除df缓存，则会重置系列：

print(df.A.index)
df._clear_item_cache()
print(df.A.index)

默认情况下，DataFrame中的系列索引是不可变的，但复制系列引用允许一种变通方法来编辑索引引用

包含在DataFrame中的各个系列是否维护自己的索引？

2 个答案: