在熊猫中，inplace = True 是否有害？
- 2024-12-25 08:51:00
- admin 原创
- 144
问题描述：
这个问题之前已经讨论过，但答案相互矛盾：
就地就好！
就地不好！
我想知道的是：
为什么是
inplace = False默认行为？什么时候更改它比较好？（好吧，我被允许更改它，所以我想这是有原因的）。
这是一个安全问题吗？也就是说，操作是否会因……而失败/出现错误
inplace = True？我能否提前知道某项
inplace = True操作是否“真正”会现场执行？
我目前的看法是：
许多 Pandas 操作都有一个
inplace参数，始终默认为False，这意味着原始 DataFrame 不受影响，并且该操作返回一个新的 DF。设置时
inplace = True，操作可能在原始 DF 上起作用，但它可能仍在后台的副本上起作用，并且在完成后只需重新分配引用。
优点inplace = True：
可以更快，更少占用内存（第一个链接显示
reset_index()运行速度快两倍，但使用峰值内存只有一半！）。
优点inplace = False ：
允许链式/功能性语法：
df.dropna().rename().sum()...这很好，并且提供了惰性求值或更有效的重新排序的机会（尽管我不认为 Pandas 正在这样做）。inplace = True当在可能为底层 DF 的切片/视图的对象上使用时，Pandas 必须进行SettingWithCopy检查，这是很昂贵的。inplace = False避免这种情况。幕后一致且可预测的行为。
因此，抛开复制与查看问题不谈，inplace = True除非专门编写链式语句，否则始终使用 似乎性能更高。但这不是 Pandas 的默认选择，那么我遗漏了什么？
解决方案 1：
在熊猫中，inplace = True 是否有害？
是的，它确实有害。它不只是有害。它非常有害。这个 GitHub 问题建议inplace在不久的将来在 API 范围内弃用该参数。简而言之，该inplace参数的所有错误如下：
inplace与名称所暗示的相反，通常不会阻止创建副本，并且（几乎）不会带来任何性能优势inplace不适用于方法链inplace在调用 DataFrame 列时可能会导致可怕的结果SettingWithCopyWarning，有时可能无法就地更新列
上面的痛点都是初学者常见的陷阱，因此删除此选项将大大简化 API。
我们将更深入地探讨上述观点。
性能
一个常见的误解是使用inplace=True会导致更高效或优化的代码。通常，使用不会带来任何性能优势inplace=True（但也有少数例外，这主要是库中的实现细节的结果，不应被用作支持此论点的借口）。方法的大多数就地和非就地版本无论如何都会创建数据的副本，而就地版本会自动将副本分配回去。无法避免复制。
方法链式调用
inplace=True也会阻碍方法链式调用。对比
result = df.some_function1().reset_index().some_function2()
相反
temp = df.some_function1()
temp.reset_index(inplace=True)
result = temp.some_function2()
意想不到的陷阱
最后一个需要记住的警告是，呼叫inplace=True 可能会触发SettingWithCopyWarning：
df = pd.DataFrame({'a': [3, 2, 1], 'b': ['x', 'y', 'z']})
df2 = df[df['a'] > 1]
df2['b'].replace({'x': 'abc'}, inplace=True)
# SettingWithCopyWarning:
# A value is trying to be set on a copy of a slice from a DataFrame
这可能会导致意外行为。
解决方案 2：
如果inplace是默认值，那么 DataFrame 将会根据当前引用它的所有名称发生变异。
一个简单的例子，假设我有一个df：
df = pd.DataFrame({'a': [3, 2, 1], 'b': ['x', 'y', 'z']})
现在，DataFrame 保留行顺序非常重要 - 假设它来自插入顺序是关键的数据源。
但是，我现在需要执行一些需要不同排序顺序的操作：
def f(frame):
df = frame.sort_values('a')
# if we did frame.sort_values('a', inplace=True) here without
# making it explicit - our caller is going to wonder what happened
# do something
return df
没问题 - 我的原始值df保持不变。但是，如果inplace=True是默认设置，那么我的原始值df现在将被排序为副作用，f()其中我必须相信调用者会记住不要在我不期望的位置执行某些操作，而不是故意在位置执行某些操作...因此，最好是任何可以就地改变对象的东西都明确地这样做，至少可以更清楚地了解发生了什么以及为什么发生。
即使使用基本的 Python 内置可变变量，你也可以观察到这一点：
data = [3, 2, 1]
def f(lst):
lst.sort()
# I meant lst = sorted(lst)
for item in lst:
print(item)
f(data)
for item in data:
print(item)
# huh!? What happened to my data - why's it not 3, 2, 1?
