为什么我应该在 Pandas 中复制一个数据框-IT科技

摘要：问题描述：当从父数据框中选择子数据框时，我注意到一些程序员使用该方法复制数据框.copy()。例如，X = my_dataframe[features_list].copy() ...而不仅仅是X = my_dataframe[features_list] 他们为什么要复制数据框？如果我不复制会发生什么？解决...

问题描述：

当从父数据框中选择子数据框时，我注意到一些程序员使用该方法复制数据框.copy()。例如，

X = my_dataframe[features_list].copy()

...而不仅仅是

X = my_dataframe[features_list]

他们为什么要复制数据框？如果我不复制会发生什么？

解决方案 1：

此答案已在较新版本的 pandas 中弃用。请参阅文档

这扩展了 Paul 的回答。在 Pandas 中，索引 DataFrame 会返回对初始 DataFrame 的引用。因此，更改子集将更改初始 DataFrame。因此，如果您想确保初始 DataFrame 不会更改，则需要使用副本。请考虑以下代码：

df = DataFrame({'x': [1,2]})
df_sub = df[0:1]
df_sub.x = -1
print(df)

您将获得：

   x
0 -1
1  2

相反，下面的代码保持 df 不变：

df_sub_copy = df[0:1].copy()
df_sub_copy.x = -1

解决方案 2：

因为如果您不复制，那么即使您将 dataFrame 分配给不同的名称，索引仍然可以在其他地方被操作。

例如：

df2 = df
func1(df2)
func2(df)

func1 可以通过修改 df2 来修改 df，因此为了避免这种情况：

df2 = df.copy()
func1(df2)
func2(df)

解决方案 3：

需要提到的是，返回的副本或视图取决于索引的类型。

熊猫文档说：

返回视图与副本
关于何时返回数据视图的规则完全取决于 NumPy。每当标签数组或布尔向量参与索引操作时，结果将是副本。使用单标签/标量索引和切片，例如 df.ix[3:6] 或 df.ix[:, 'A']，将返回视图。

解决方案 4：

主要目的是避免链式索引并消除SettingWithCopyWarning。

这里的链式索引类似于dfc['A'][0] = 111

文档中说，在返回视图而不是副本时应避免使用链式索引。以下是该文档中稍作修改的示例：

In [1]: import pandas as pd

In [2]: dfc = pd.DataFrame({'A':['aaa','bbb','ccc'],'B':[1,2,3]})

In [3]: dfc
Out[3]:
    A   B
0   aaa 1
1   bbb 2
2   ccc 3

In [4]: aColumn = dfc['A']

In [5]: aColumn[0] = 111
SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame

In [6]: dfc
Out[6]:
    A   B
0   111 1
1   bbb 2
2   ccc 3

此处aColumn是视图，而不是原始 DataFrame 的副本，因此修改aColumn会导致原始数据dfc也发生修改。接下来，如果我们首先索引该行：

In [7]: zero_row = dfc.loc[0]

In [8]: zero_row['A'] = 222
SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame

In [9]: dfc
Out[9]:
    A   B
0   111 1
1   bbb 2
2   ccc 3

这次zero_row是复印件，所以原件dfc没有被修改。

从上面的两个例子中，我们可以看出是否要更改原始 DataFrame 是模棱两可的。如果您编写以下内容，这尤其危险：

In [10]: dfc.loc[0]['A'] = 333
SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame

In [11]: dfc
Out[11]:
    A   B
0   111 1
1   bbb 2
2   ccc 3

这次根本不起作用。在这里我们想改变dfc，但实际上我们修改了一个中间值dfc.loc[0]，它是一个副本，并立即被丢弃。很难预测像dfc.loc[0]或这样的中间值dfc['A']是视图还是副本，因此无法保证原始 DataFrame 是否会被更新。这就是为什么应该避免链式索引，而 pandasSettingWithCopyWarning为这种链式索引更新生成了。

现在使用.copy()。为了消除警告，请复制一份以明确表达您的意图：

In [12]: zero_row_copy = dfc.loc[0].copy()

In [13]: zero_row_copy['A'] = 444 # This time no warning

由于您正在修改副本，因此您知道原始内容dfc永远不会改变，并且您也不期望它会改变。您的期望与行为相匹配，然后SettingWithCopyWarning消失。

注意，如果您确实想修改原始 DataFrame，文档建议您使用loc：

In [14]: dfc.loc[0,'A'] = 555

In [15]: dfc
Out[15]:
    A   B
0   555 1
1   bbb 2
2   ccc 3

解决方案 5：

假设您有如下数据框

df1
     A    B    C    D
4 -1.0 -1.0 -1.0 -1.0
5 -1.0 -1.0 -1.0 -1.0
6 -1.0 -1.0 -1.0 -1.0
6 -1.0 -1.0 -1.0 -1.0

当你想创建另一个df2相同的df1，没有copy

df2=df1
df2
     A    B    C    D
4 -1.0 -1.0 -1.0 -1.0
5 -1.0 -1.0 -1.0 -1.0
6 -1.0 -1.0 -1.0 -1.0
6 -1.0 -1.0 -1.0 -1.0

并且只想修改 df2 值，如下所示

df2.iloc[0,0]='changed'

df2
         A    B    C    D
4  changed -1.0 -1.0 -1.0
5       -1 -1.0 -1.0 -1.0
6       -1 -1.0 -1.0 -1.0
6       -1 -1.0 -1.0 -1.0

同时 df1 也发生了变化

df1
         A    B    C    D
4  changed -1.0 -1.0 -1.0
5       -1 -1.0 -1.0 -1.0
6       -1 -1.0 -1.0 -1.0
6       -1 -1.0 -1.0 -1.0

由于两个 df 相同object，我们可以使用id

id(df1)
140367679979600
id(df2)
140367679979600

因此，它们作为同一个对象，当一个对象改变另一个对象时，也会传递相同的值。

如果我们添加copy，现在df1和df2被视为不同的object，如果我们对其中一个进行相同的更改，另一个将不会改变。

df2=df1.copy()
id(df1)
140367679979600
id(df2)
140367674641232

df1.iloc[0,0]='changedback'
df2
         A    B    C    D
4  changed -1.0 -1.0 -1.0
5       -1 -1.0 -1.0 -1.0
6       -1 -1.0 -1.0 -1.0
6       -1 -1.0 -1.0 -1.0

值得一提的是，当你对原始数据框进行子集化时，也可以安全地添加副本，以避免SettingWithCopyWarning

解决方案 6：

一般来说，处理副本比处理原始数据框更安全，除非你知道不再需要原始数据框，而想要继续处理处理后的版本。通常，你仍然会用到原始数据框来与处理后的版本进行比较等。因此，大多数人处理副本并在最后合并。

解决方案 7：

Pandas 深度复制保持初始 DataFrame 不变。

当你想要规范化 DataFrame 并希望保持初始 df 不变时，此功能特别有用。例如：

df = pd.DataFrame(np.arange(20).reshape(2,10))

然后你规范化数据：

# Using Sklearn MinMaxSacaler method
scaler = preprocessing.MinMaxScaler()

并且您根据第一个 df 创建新的 df 并希望第一个 df 保持不变，则必须使用 .copy() 方法

new_df = pd.DataFrame(df).copy() # Deep Copy
for i in range(10):
    pd_features[i] = scaler.fit_transform(unnormal_pd_features[i].values.reshape(-1,1))

否则你原来的 df 也会改变。

解决方案 8：

我在使用 copy() 时非常粗心，直到我使用下面那行代码而不使用 copy()，df_genel3 中的更改影响了 df_genel

df_genel3 = df_genel
df_genel3.loc[(df_genel3['Hareket']=='İmha') , 'Hareket_Tutar'] = tutar

copy() 解决了这个问题

df_genel3 = df_genel.copy()
df_genel3.loc[(df_genel3['Hareket']=='İmha') , 'Hareket_Tutar'] = tutar