functools reduce In-Place修改原始数据框

Question

我目前面临“ functools.reduce（operator.iadd，...）”更改原始输入的问题。例如

我有一个简单的数据框     df = pd.DataFrame（[[[['A'，'B']]，[['C'，'D']]]）

        0
0  [A, B]
1  [C, D]

应用iadd运算符会导致以下结果：

functools.reduce(operator.iadd, df[0])
['A', 'B', 'C', 'D']

现在，原始df更改为

              0
0  [A, B, C, D]
1        [C, D]

也预先使用df.copy（deep = True）复制df并没有帮助。

有人想克服这个问题吗？ THX，Lazloo

Answer 1

使用operator.add代替operator.iadd：

In [8]: functools.reduce(operator.add, df[0])
Out[8]: ['A', 'B', 'C', 'D']

In [9]: df
Out[9]: 
        0
0  [A, B]
1  [C, D]

毕竟，operator.iadd(a, b)与a += b相同。因此它修改了df[0]。相反，operator.add(a, b) 返回 a + b，因此没有df[0]的修改。

---

或者，您可以使用df[0].sum()计算相同的数量：

In [39]: df[0].sum()
Out[39]: ['A', 'B', 'C', 'D']

---

docs for df.copy警告：

  

在deep=True时，数据被复制，但实际的Python对象   不会递归复制，而只会复制对对象的引用。

由于df[0]包含Python列表，因此即使使用df.copy(deep=True)也不会复制这些列表。这就是为什么修改副本仍会影响df的原因。

Answer 2

除了@unutbu的好答案外，您还可以使用int.__add__方法：

df = pd.DataFrame([[['A', 'B']], [['C', 'D']]])
functools.reduce(lambda x,y: (x).__add__(y), df[0])
print(df)

您可以看到它是

        0
0  [A, B]
1  [C, D]

用于输出！