Pandas 複製 DataFrame

若要複製 pandas DataFrame，請呼叫 DataFrame.copy()。其預設值 deep=True 會建立另一個 DataFrame，因此修改副本中的儲存格不會改變原始儲存格。需要獨立編輯資料時，請使用這個方法。

DataFrame.copy() 的語法與複製深度

這個方法接受 deep 參數：df.copy(deep=True)。預設值是 True，因此 df.copy() 與此寫法等效。使用 deep=True 時，pandas 會複製 DataFrame 的資料與索引。這是 pandas 資料結構的 deep 複製，但不會遞迴複製儲存在 object dtype 儲存格中的 Python 物件。例如，若儲存格包含可變動的清單，複製後的 DataFrame 仍可能參照同一個清單。如果工作需要巢狀物件也彼此獨立，請另外複製這些物件。

使用 deep=False 時，pandas 一開始會與來源共用底層資料與索引，而不會複製它們。之後透過任一 DataFrame 指派值時會有什麼結果，取決於 pandas 版本以及是否啟用 Copy-on-Write。淺層複製不保證修改會傳回來源，也不保證在所有設定下都能隔離修改。若需要彼此獨立，請使用預設的 deep 複製。若刻意共用資料，請確認應用程式所用 pandas 版本及 Copy-on-Write 模式的相關行為說明。

建立獨立的 DataFrame 副本

請執行以下範例：

本節中的程式碼以及顯示的標籤或輸出仍為英文。

import pandas as pd

original = pd.DataFrame({"score": [10]})
independent = original.copy()
independent.loc[0, "score"] = 99
print(f"original={original.loc[0, 'score']}, copy={independent.loc[0, 'score']}")

original=10, copy=99

這項指派會修改複製後的 DataFrame 儲存格，而 original 中的值仍是 10。範例使用預設值 deep=True；寫成 original.copy(deep=True) 則會明確指定此設定。使用 .loc[row, column] 指定要更新的儲存格；若需要比較或重複使用資料，請保留原始變數。

了解 deep=False 與共用資料

如果想建立新的 DataFrame 物件，但不立即複製其資料，淺層複製可能很有用。不過，這不代表之後的變更一定會有固定結果：pandas 的 Copy-on-Write 行為與版本會影響寫入是被隔離，還是能透過另一個物件看到。請將 deep=False 視為具有版本相依變更語義的選項，而不要把它當成同時編輯兩個 DataFrame 的可靠方法。若要確保編輯彼此獨立，請選擇 deep=True；若應用程式需要特定行為，請確認所用的 pandas 版本與 Copy-on-Write 設定。

deep 參數也不會讓巢狀物件彼此獨立。例如，若 object dtype 儲存格包含清單，複製 DataFrame 會複製 pandas 的容器，但不會遞迴複製每個清單。因此，修改儲存格中的清單，可能會影響兩個 DataFrame 都能存取的同一個物件。若這項差異會影響結果，請另外處理巢狀的可變值。

將 DataFrame 或欄位指派給變數

像 other = original 這樣的指派，會讓另一個變數綁定至同一個 DataFrame 物件。它不會呼叫 DataFrame.copy()，也不會建立獨立資料。透過任一名稱進行的修改，都會作用於同一個物件。

同樣地，scores = original["score"] 會選取欄位並取得 pandas Series；這並未明確要求建立獨立副本。若需要隔離資料，請勿以變數指派或欄位選取取代複製。DataFrame 可使用 other = original.copy()，若要取得獨立的 Series，則可使用 scores = original["score"].copy()。這樣能清楚表達意圖，也避免依賴偶然的檢視或變更行為。先選擇需要的物件：表格操作使用 DataFrame，單一欄位使用 Series；需要可獨立編輯的結果時，再呼叫 .copy()。