如果看到创建的各种数据框的对象ID,则可以清楚地看到正在发生的事情。
在编写时df2 = df1
,您正在创建一个名为的变量df2
,并将其与一个ID为ID的对象绑定4541269200
。在编写时df1 =pd.DataFrame([9,9,9])
,您将创建一个具有id的 新 对象4541271120
并将其绑定到variabledf1
,但是4541269200
先前绑定到id的对象将df1
继续存在。如果没有绑定到该对象的变量,它将被Python收集到垃圾。
In[33]: import pandas as pd
In[34]: df1 = pd.DataFrame([1,2,3,4,5])
In[35]: id(df1)
Out[35]: 4541269200
In[36]: df2 = df1
In[37]: id(df2)
Out[37]: 4541269200 # Same id as df1
In[38]: df3 = df1.copy()
In[39]: id(df3)
Out[39]: 4541269584 # New object, new id.
In[40]: df4 = df1.copy(deep=False)
In[41]: id(df4)
Out[41]: 4541269072 # New object, new id.
In[42]: df1 = pd.DataFrame([9, 9, 9])
In[43]: id(df1)
Out[43]: 4541271120 # New object created and bound to name 'df1'.
In[44]: id(df2)
Out[44]: 4541269200 # Old object's id not impacted.
编辑:在7/30/2018添加
深度复制在熊猫中不起作用,开发人员考虑将可变对象作为反模式放置在DataFrame中。考虑以下:
In[10]: arr1 = [1, 2, 3]
In[11]: arr2 = [1, 2, 3, 4]
In[12]: df1 = pd.DataFrame([[arr1], [arr2]], columns=['A'])
In[13]: df1.applymap(id)
Out[13]:
A
0 4515714832
1 4515734952
In[14]: df2 = df1.copy(deep=True)
In[15]: df2.applymap(id)
Out[15]:
A
0 4515714832
1 4515734952
In[16]: df2.loc[0, 'A'].append(55)
In[17]: df2
Out[17]:
A
0 [1, 2, 3, 55]
1 [1, 2, 3, 4]
In[18]: df1
Out[18]:
A
0 [1, 2, 3, 55]
1 [1, 2, 3, 4]
df2
,如果它是真正的深层副本,则其中应包含列表的新ID。结果,当您修改df2中的列表时,它也会影响df1中的列表,因为它们是相同的对象。