[英]Using .copy() to create a copy of a dictionary that can be editing without altering the original dictionary
[英]Editing Original DataFrame After Making a Copy but Before Editing the Copy Changes the Copy
我试图了解如何复制pandas数据框。 当我在python中分配对象的副本时,我不习惯更改影响该对象副本的原始对象。 例如:
x = 3
y = x
x = 4
print(y)
3
虽然x
随后被更改,但y保持不变。 相反,当我将pandas df
分配给副本df1
后对其进行更改时,副本也会受到原始DataFrame更改的影响。
import pandas as pd
import numpy as np
def minusone(x):
return int(x) - 1
df = pd.DataFrame({"A": [10,20,30,40,50], "B": [20, 30, 10, 40, 50], "C": [32, 234, 23, 23, 42523]})
df1 = df
print(df1['A'])
0 10
1 20
2 30
3 40
4 50
Name: A, dtype: int64
df['A'] = np.vectorize(minusone)(df['A'])
print(df1['A'])
0 9
1 19
2 29
3 39
4 49
Name: A, dtype: int64
解决方案似乎是使用copy.deepcopy()
进行深层复制,但是因为这种行为与我在python中习惯的行为不同,我想知道是否有人可以解释这种差异背后的原因是什么,或者它是否是错误。
在第一个示例中,您没有更改x
的值。 您为x
分配了一个新值。
在第二个示例中,您通过更改其中一个列来修改df
的值。
你也可以看到内置类型的效果:
>>> x = []
>>> y = x
>>> x.append(1)
>>> y
[1]
这种行为并非特定于熊猫; 它是Python的基础。 关于同样的问题,这个网站上有很多很多问题,都源于同样的误解。 语法
barename = value
与Python中的任何其他构造没有相同的行为 。
当使用name[key] = value
或name.attr = value
或name.methodcall()
,您可能正在改变name
引用的对象的值,您可能正在复制某些内容等。使用name = value
(其中name
是单个标识符,没有点,没有括号等),你永远不会改变任何东西,也不会复制任何东西。
在第一个示例中,您使用了语法x = ...
在第二个示例中,您使用了语法df['A'] = ...
这些语法不同,因此您不能假设它们具有相同的行为。
制作副本的方式取决于您尝试复制的对象类型。 对于您的情况,请使用df1 = df.copy()
。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.