通常，如果数据框具有单个dtype，则可以获得视图，而原始数据框则 不是 这样：
In [4]: df
Out[4]:
age name
student1 21 Marry
student2 24 John
In [5]: df.dtypes
Out[5]:
age int64
name object
dtype: object
但是，当您这样做时：
In [6]: df.loc['student3'] = ['old','Tom']
...:
第一列get强制为object，因为各列不能具有混合dtypes：
In [7]: df.dtypes
Out[7]:
age object
name object
dtype: object
在这种情况下，基础.values将始终返回具有相同基础缓冲区的数组，并且对该数组的更改将反映在数据帧中：
In [11]: vals = df.values
In [12]: vals
Out[12]:
array([[21, 'Marry'],
[24, 'John'],
['old', 'Tom']], dtype=object)
In [13]: vals[0,0] = 'foo'
In [14]: vals
Out[14]:
array([['foo', 'Marry'],
[24, 'John'],
['old', 'Tom']], dtype=object)
In [15]: df
Out[15]:
age name
student1 foo Marry
student2 24 John
student3 old Tom
另一方面，与原始数据帧一样使用混合类型：
In [26]: df = pd.DataFrame([{'name':'Marry', 'age':21},{'name':'John','age':24}]
...: ,index=['student1','student2'])
...:
In [27]: vals = df.values
In [28]: vals
Out[28]:
array([[21, 'Marry'],
[24, 'John']], dtype=object)
In [29]: vals[0,0] = 'foo'
In [30]: vals
Out[30]:
array([['foo', 'Marry'],
[24, 'John']], dtype=object)
In [31]: df
Out[31]:
age name
student1 21 Marry
student2 24 John
但是请注意，只有在可能成为视图时（即，如果它是适当的切片），才会返回视图，否则，将与dtypes无关地进行复制：
In [39]: df.loc['student3'] = ['old','Tom']
In [40]: df2
Out[40]:
name
student3 Tom
student2 John
In [41]: df2.loc[:] = 'foo'
In [42]: df2
Out[42]:
name
student3 foo
student2 foo
In [43]: df
Out[43]:
age name
student1 21 Marry
student2 24 John
student3 old Tom
602392714
清零编程群