以下是我的例子:
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是由df和copy=False导出的，那么我预计df1的就地修改也会影响df.但事实并非如此为什么？
我使用的是Pandas版本2.2.1，没有启用任何选项(例如写入时复制
copy=False表示底层数据(numpy)是共享的.
如果我们修改底层numpy数组的一个项目，它会被反映出来，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
通过将新列设置为df1.isetitem(1, [7,8,9])，您只需添加一个新系列并强制复制.