Python 3.x Pandas Dataframe：就地列替换与使用转换的列创建新的Dataframe

每当我想要转换数据帧的现有列时，我倾向于使用

apply/transform

，这会给我一个全新的系列，并且不会修改数据帧中的现有列

假设下面的代码对一列执行操作并返回一个序列

new_col1 = df.col1.apply(...)

在此之后，我有两种在数据帧中替换新系列的方法

修改现有的

col1

：

df.col1=new\u col1

或者使用转换的列创建新的数据帧：

df.drop（columns=[col1]）.join（new\u col1）

我这样问是因为每当我在类似python的列表中使用可变数据结构时，我总是尝试使用列表理解而不是就地替换来创建新的列表

---

对于熊猫数据帧，采用这种样式有什么好处吗？什么更具python风格？您推荐上述两种方法中的哪一种？

由于您要修改现有列，第一种方法会更快。请记住，

drop

和

join

都会返回新数据的副本，因此，如果您有一个包含许多列的大数据框，那么第二种方法可能会很昂贵。

每当您想对原始数据框本身进行更改时，考虑在 IsPosieTrime<代码>属性，默认情况下返回一个新的副本。 注意：请记住

国内的反对者

• 与名称所暗示的相反，inplace通常不会阻止副本的创建，而且（几乎）从未提供任何性能优势

• inplace不使用方法链接

• inplace是初学者常见的陷阱，因此删除此选项将简化API
  资料来源：