主页 / coding / 问题 / 78170965
Accepted
ignoring_gravity
Asked: 2024-03-16 15:45:23 +0800 CST

为什么 `.rename(columns={'b': 'b'}, copy=False)` 后跟 inplace 方法不更新原始数据帧？

  • 772

这是我的例子：

In [1]: import pandas as pd

In [2]: df = pd.DataFrame({'a': [1,2,3], 'b': [4,5,6]})

In [3]: df1 = df.rename(columns={'b': 'b'}, copy=False)

In [4]: df1.isetitem(1, [7,8,9])

In [5]: df
Out[5]:
   a  b
0  1  4
1  2  5
2  3  6

In [6]: df1
Out[6]:
   a  b
0  1  7
1  2  8
2  3  9

如果df1是从dfwith派生的copy=False，那么我预计对 的就地修改df1也会影响df。但事实并非如此。为什么？

我正在使用 pandas 版本 2.2.1，未启用任何选项（例如写入时复制）

python

2 个回答

  1. Best Answer

    copy=False意味着底层数据（numpy）是共享的。

    如果我们修改底层 numpy 数组的一项，则会反映出来，因为数据是共享的：

    df = pd.DataFrame({'a': [1,2,3], 'b': [4,5,6]})
df1 = df.rename(columns={'b': 'c'}, copy=False)
df1.values[0, 1] = 999

print(df)
   a    b
0  1  999
1  2    5
2  3    6

print(df1)
   a    c
0  1  999
1  2    5
2  3    6

print(id(df.values), id(df1.values))
# 140335530654768 140335530654768

    然而，DataFrame 对象（容器、索引、列名……）并不相同。

    print(id(df), id(df1))
# 140335696175520 140335696171536

    通过设置新列，df1.isetitem(1, [7,8,9])您只需添加新系列并强制复制。

    • 1

  2. 这和python如何处理不可变和可变对象有关。

    该选项copy=False仅控制是否复制数据框对象内的数据，而不是数据框本身。

    因此，rename函数创建了第二个pd.DataFrame对象df1，它可以与 共享数据df，因为copy=False。然而，它仍然是一个不同的数据框对象。

    如果您想更改两个数据框，您可以执行以下操作：

    df.iloc[1] = [7, 8, 9]

    这会同时修改df和df1。

    • 0

相关问题