Pandas 当将数据帧传递给函数时，熊猫什么时候会按引用传递还是按值传递？

在上面的示例中，dropdf（）不修改原始数据帧x，而changecell（）修改x。我知道如果我在changecell（）中添加微小的更改，它将不会更改x

def dropdf_copy(df):
    df = df.drop('y',axis=1)

def dropdf_inplace(df):
    df.drop('y',axis=1,inplace=True)    

def changecell(df):
    df['y'][0] = 99


x = pd.DataFrame({'x': [1,2],'y': [20,31]})

x
Out[204]: 
   x   y
0  1  20
1  2  31

dropdf_copy(x)

x
Out[206]: 
   x   y
0  1  20
1  2  31

changecell(x)

x
Out[208]: 
   x   y
0  1  99
1  2  31

我不认为在我编写的每个函数中都包含

df=df.copy（）

是很优雅的

问题

1） 熊猫在什么情况下会更改原始数据帧，何时不会更改？有人能给我一个明确的归纳规则吗？我知道这可能与易变性和不变性有关，但在stackoverflow中没有明确解释

2） numpy的行为是相似的还是不同的？其他python对象呢

---

PS：我已经做了stackoverflow的研究，但是没有找到一个明确的归纳规则来解决这个问题。

没有什么可以处理的。这是一个可变值上的变量问题。在dropdf中，将df设置为局部变量

与列表相同：

def changecell(df):
    df = df.copy()
    df['y'][0] = 99

在第二个函数中，如果您编写了以下内容，则它将是相同的：

def global_(l):
    l[0]=1

def local_(l):
    l=l+[0]  

所以你不会影响

l

---

这里是发生的情况。

默认情况下，python通过引用传递。只有在函数中进行显式复制（如赋值）或使用copy（）函数时，传递的原始对象才会保持不变

带有显式副本的示例：

def local_(l):
    l2=l+[0]

若未完成显式复制，则传递的原始对象将更改

#1. Assignment 
def dropdf_copy1(df):

    df = df.drop('y',axis=1)
#2. copy()
def dropdf_copy2(df):
    df = df.copy() 
    df.drop('y',axis=1,inplace = True)

---

你能详细说明一下吗？这里的一般规则是什么？

def dropdf_inplace(df):
    df.drop('y',axis=1,inplace = True)