HOWTO · Pandas

Pandas 复制 DataFrame

本教程将介绍如何使用 DataFrame.copy()方法复制 DataFrame 对象,并探讨 DataFrame.copy()方法的使用。

本页内容

要复制 pandas DataFrame,请调用 DataFrame.copy()。其默认参数 deep=True 会生成一个独立的 DataFrame,因此修改副本中的单元格不会改变原始单元格。需要独立编辑数据时,请使用此方法。

DataFrame.copy() 的语法与复制深度

此方法接受 deep 参数:df.copy(deep=True)。默认值为 True,因此 df.copy() 与之等效。使用 deep=True 时,pandas 会复制 DataFrame 的数据和索引。这会对 pandas 的数据结构进行 deep 复制,但不会递归复制存储在 object dtype 单元格中的 Python 对象。例如,如果某个单元格包含可变列表,复制后的 DataFrame 仍可能引用同一个列表。如果任务要求嵌套对象彼此独立,请另外复制其中的对象。

使用 deep=False 时,pandas 最初会与源 DataFrame 共享底层数据和索引,而不是复制它们。之后通过任一 DataFrame 进行赋值时会发生什么,取决于 pandas 版本以及是否启用了 Copy-on-Write。不要假设浅复制一定会将更改传递到源对象,也不要假设它在所有配置下都能隔离更改。如果需要独立数据,请使用默认的 deep 复制方式。如果有意共享数据,请查看应用所用 pandas 版本和 Copy-on-Write 模式的相关行为说明。

创建独立的 DataFrame 副本

运行以下示例:

本节中的代码以及显示的标签或输出仍为英文。

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

赋值会修改复制后 DataFrame 中的单元格,而 original 中的值仍为 10。示例使用了默认值 deep=True;写成 original.copy(deep=True) 可以明确指定该选项。使用 .loc[row, column] 指定要更新的单元格;如果需要比较或重复使用原始数据,请保留原始变量。

了解 deep=False 与共享数据

如果想创建一个新的 DataFrame 对象,但暂时不复制其数据,浅复制可能很有用。不过,它并不保证后续修改会产生某种固定结果:pandas 的 Copy-on-Write 行为和版本会影响写入是被隔离,还是能通过另一个对象看到。应将 deep=False 视为一种具有版本相关修改语义的选择,而不是让两个 DataFrame 同步编辑的可靠方法。若要获得可预期的独立编辑效果,请选择 deep=True;若应用需要依赖特定行为,请确认其 pandas 版本和 Copy-on-Write 设置。

deep 参数也不会让嵌套对象彼此独立。例如,如果 object dtype 单元格中存放列表,复制 DataFrame 会复制 pandas 容器,但不会递归克隆每个列表。因此,修改单元格中的列表可能会影响两个 DataFrame 都能访问到的同一个对象。如果这一点很重要,请单独处理嵌套的可变值。

将 DataFrame 或列赋值给变量

other = original 这样的赋值会让另一个变量指向同一个 DataFrame 对象。它不会调用 DataFrame.copy(),也不会创建独立数据。通过任一变量名进行的修改都会作用于这个相同对象。

同样,scores = original["score"] 会将一列选为 pandas Series;它并未明确要求创建独立副本。如果需要隔离数据,请勿用变量赋值或选列来替代复制。对于 DataFrame,可使用 other = original.copy();若要得到独立的 Series,可使用 scores = original["score"].copy()。这样可以清楚表达意图,也不必依赖偶然的视图或修改行为。先选择需要的对象:表格操作使用 DataFrame,单列操作使用 Series;需要单独编辑时,再调用 .copy()。