了解 Pandas 中数据帧复制的需求
使用 Pandas 数据帧时,选择是否创建数据帧的副本数据框可能会产生重大影响。默认情况下,索引数据帧会返回对原始数据结构的引用。因此,对子集进行的任何修改都将直接修改父框架。
为了说明此行为,请考虑以下示例:
df = pd.DataFrame({'x': [1, 2]}) df_sub = df[0:1] df_sub.x = -1 print(df)
输出:
x 0 -1 1 2
正如您所观察到的,修改子集的值会直接改变原始数据帧中的相应值。
在必须保护原始数据帧不被修改的情况下,复制是必要的。这可以使用 .copy() 方法来实现。下面是一个示例:
df_sub_copy = df[0:1].copy() df_sub_copy.x = -1 print(df)
输出:
x 0 1 1 2
在这种情况下,.copy() 确保对 df_sub_copy 所做的任何更改都不会影响原始 df。
重要的是要理解这种行为仅适用于深复制,这意味着整个引用的数据都被复制到新对象中。相反,浅拷贝创建一个新对象,该对象引用与原始对象相同的基础数据。因此,对浅拷贝所做的任何更改也会影响原始数据帧。
以上是为什么 Pandas DataFrame 修改有时会影响原始 DataFrame?的详细内容。更多信息请关注PHP中文网其他相关文章!