我有一個Python腳本，它做了以下作業：
我有一個Python腳本。
final_df = main_df
final_df['new_column'] = final_df['b']*0.05。
基本上，我不想干擾main_df資料框架，并在它的副本上作業。但是當運行上述腳本時，final_df和main_df都以類似的方式影響。為什么會發生這種情況呢？
uj5u.com熱心網友回復：
使用copy方法：
final_df = main_df.copy()
uj5u.com熱心網友回復：
你必須深度復制它，否則它將指向同一個物件。 所以它將是
final_df = main_df.copy() # by default deep copy is done。
這里是指向檔案的鏈接。
uj5u.com熱心網友回復：
原因是當你做final_df = main_df時，main_df的副本沒有被創建，而只是創建了一個新的參考final_df，從而使final_df和main_df都參考到同一個記憶體位置。因此，如果其中一個被改變了，比如在你的例子中的final_df，這個改變也會反映到main_df中，因為兩者都指向同一個記憶體位置。
例子：
main_df = ['final'/span>, 'df'/span>]
final_df = main_df
print (f'Location of final_df: {id(final_df)}')
print (f'Location of main_df: {id(main_df)}')
上述兩個print陳述句將列印同一個記憶體位置。
這里是很好的寫法來理解這種行為。
如果你不希望你的main_df不受影響，可以創建一個深度拷貝，如下：
final_df = main_df.copy()
通過copy()，一個完整的新副本被創建，可以用下面的代碼來驗證：
from copy import copy
main_df = ['final'/span>, 'df'/span>]
final_df = main_df.copy()
print (f'Location of final_df: {id(final_df)}')
print (f'Location of main_df: {id(main_df)}')
現在這兩個print陳述句將列印2個不同的記憶體位置。
轉載請註明出處，本文鏈接：https://www.uj5u.com/net/306634.html
標籤：