Question

考虑以下代码：

In [16]: data = [['Alex',10],['Bob',12],['Clarke',13]]
In [17]: df = pd.DataFrame(data,columns=['Name','Age'])
Out[18]: 
     Name  Age
0    Alex   10
1     Bob   12
2  Clarke   13

In [19]: df_new = df
In [20]: df_new['Age'] = df_new['Age'] * 90 / 100

In [21]: df_new
     Name   Age
0    Alex   9.0
1     Bob  10.8
2  Clarke  11.7

In [22]: df
     Name   Age
0    Alex   9.0
1     Bob  10.8
2  Clarke  11.7

当我为新DataFrame（ df_new ）的 Age 列分配新值时，原始DataFrame的 Age 列（< em> df ）也改变了。

为什么会这样？它与我创建原始DataFrame副本的方式有关吗？好像他们被捆绑在一起。

Answer 1

使用 -

df_new = df.copy()

OR

df_new = df.copy(deep=True)

这是制作pandas对象索引和数据副本的标准方法。

来自pandas documentation

当deep = True（默认值）时，将创建一个带有副本的新对象调用对象的数据和索引。对数据的修改或副本的索引不会反映在原始对象中

<强>解释

如果您看到自己创建的各种数据框的对象ID，则可以清楚地看到发生了什么。

当您编写df_new = df时，您正在创建一个名为new_df的变量，并将其绑定到与df具有相同ID的对象。

示例

data = [['Alex',10],['Bob',12],['Clarke',13]] df = pd.DataFrame(data,columns=['Name','Age']) df_new = df df_copy = df.copy() print("ID of old df: {}".format(id(df))) print("ID of new df: {}".format(id(df_new))) print("ID of copy df: {}".format(id(df_copy)))

<强>输出

ID of old df: 113414664 ID of new df: 113414664 ID of copy df: 113414832

DataFrame副本的奇怪行为

1 个答案: