Question

从示例开始...

In [1]: import pandas as pd

In [2]: from sklearn.datasets import load_iris

In [3]: iris = load_iris()

In [4]: X = pd.DataFrame(data=iris.data, columns=iris.feature_names)

In [5]: output_df = pd.DataFrame(X)

In [6]: X is output_df
Out[6]: False

In [7]: list(X.columns)
Out[7]: 
['sepal length (cm)',
 'sepal width (cm)',
 'petal length (cm)',
 'petal width (cm)']

In [8]: output_df['y'] = iris.target

In [9]: list(X.columns)
Out[9]: 
['sepal length (cm)',
 'sepal width (cm)',
 'petal length (cm)',
 'petal width (cm)',
 'y']

[6]说X is output_df是False，表示它们不是同一对象。如果它们不是同一对象，则向其中一个添加列不会影响另一个。

但是[9]告诉我们，向output_df添加一列确实确实为X添加了同一列，这意味着它们实际上是同一对象。

为什么这里断开连接？

（{pd.__version__ == 0.24.1和python --version = Python 3.7.1，如果需要的话）

Answer 1

DataFrame与存储在其BlockManager中的基础数据之间存在一些解耦。在您的示例中，基础BlockManager数据是相同的，因此在其中一个DataFrame上进行更改会影响另一个数据：

In [1]: import pandas as pd; pd.__version__
Out[1]: '0.24.1'

In [2]: df = pd.DataFrame({'A': list('abc'), 'B': [10, 20, 30]})

In [3]: df2 = pd.DataFrame(df)

In [4]: df is df2
Out[4]: False

In [5]: df._data is df2._data
Out[5]: True

In [6]: df._data
Out[6]:
BlockManager
Items: Index(['A', 'B'], dtype='object')
Axis 1: RangeIndex(start=0, stop=3, step=1)
IntBlock: slice(1, 2, 1), 1 x 3, dtype: int64
ObjectBlock: slice(0, 1, 1), 1 x 3, dtype: object

本质上DataFrame充当基础数据的包装，因此它们实际上是不同的对象，只是它们的某些组件恰好被共享。作为一个基本示例，您可以在不影响其他属性的情况下将虚拟属性添加到其中一个：

In [7]: df.foo = 'bar'

In [8]: df.foo
Out[8]: 'bar'

In [9]: df2.foo
---------------------------------------------------------------------------
AttributeError: 'DataFrame' object has no attribute 'foo'

要解决共享基础数据的问题，您需要明确地告诉DataFrame构造函数通过copy参数复制输入数据：

In [10]: df2 = pd.DataFrame(df, copy=True)

In [11]: df._data is df2._data
Out[11]: False

In [12]: df['C'] = [1.1, 2.2, 3.3]

In [13]: df
Out[13]:
   A   B    C
0  a  10  1.1
1  b  20  2.2
2  c  30  3.3

In [14]: df2
Out[14]:
   A   B
0  a  10
1  b  20
2  c  30

对于熊猫，为什么`DataFrame（foo）is foo` = False？

1 个答案: