Question

假设我有一个类似

的数据框

df = pd.DataFrame({'A':[1,2,3,4],'B':[1,3,4,7]})

当我将一些数据分配给数据帧的转置时，没有错误，即

df.T['C'] = 3

运行此数据后，数据框没有变化。

但问题是数据存储在哪里？为什么会出现任何错误？我期待这种作业的错误或像

这样的输出

当我df.T['C'] = 3

时，两者都没有发生

修改：正如@Zero提到的，我们可能需要做

df = df.T.assign(C=3).T # Which is like df.loc['C',:] = 3

Answer 1

df.T是一个不同的对象。您所做的更改不会反映在原始df中。它在哪里？由于没有指向它的变量，它已经被垃圾收集器收集或者等待收集。你无法访问它。

您可以做的是创建一个新变量

transposed = df.T

transposed['C'] = 3

transposed
Out: 
   0  1  2  3  C
A  1  2  3  4  3
B  1  3  4  7  3

当您调用任何返回新DataFrame的方法时，会发生同样的事情。 df.drop(0)['C'] = 2，df.reset_index()['C'] = 3或df.drop_duplicates()['C'] = 3。原始DataFrame始终保持不变。还有另一个DataFrame是使用分配给它的确切行创建的，但是一旦执行该语句就会变得无法访问，因为您没有指向它的任何变量。对于CPython的垃圾收集，有一些有用的信息here。

从@Bharath编辑：

（我的一位老师给出的解释）

T returns a copy。这意味着分配新内存来存储新对象。如果你查找python垃圾收集，你会发现内存中的每个对象都会保留一个指针指向它的指针。

当运行垃圾收集时，它会在内存中找到该对象，并看到它没有指针。因为它有零指针，垃圾收集将回收内存，对象永远消失。

因此建议通过指定名称（或变量）来保持指向对象的单个指针。

Answer 2

方法T执行return super(DataFrame, self).transpose(1, 0, **kwargs) 它将创建另一个DataFrame。

Answer 3

添加到现有答案中，我想提请您注意 -

之间的精确相似性

df

   A  B
0  1  1
1  2  3
2  3  4
3  4  7

df.T['C'] = 3

df

   A  B
0  1  1
1  2  3
2  3  4
3  4  7

并且，与python list s -

类似的情况

l = [1, 2, 3, 4, 5]
l[:].append(6)

l
[1, 2, 3, 4, 5]

两种情况都会发生新对象的创建！然后将该操作应用于新创建的对象，之后，该对象被垃圾收集，因为没有指向它的活动引用。你看到了 -

import sys

sys.getrefcount(df.T)
1

只有一个对该对象的引用（该时间点的引用，随后丢失）。一旦你接受df.T返回一个全新对象的事实，这就变得很容易理解了（我已经说过了这一点，但是我试图把这一点推到家里） -

id(df.T)
4612098928

id(df.T)
4612098872

id(df.T)
4612098592

总之，您正在尝试修改您没有引用的新对象，并且您没有看到对原始文件的任何更改，因为您没有进行任何更改。

为什么在分配数据帧转置时会丢失数据？

3 个答案: