Python DataFrame.values中的更改是否总是修改数据框中的值？
在文件上，它说 NDFrame的Numpy表示-- “NDFrame的Numpy表示”是什么意思？修改这个numpy表示会影响我的原始数据帧吗？换句话说，将Python DataFrame.values中的更改是否总是修改数据框中的值？,python,pandas,numpy,dataframe,Python,Pandas,Numpy,Dataframe,在文件上，它说 NDFrame的Numpy表示-- “NDFrame的Numpy表示”是什么意思？修改这个numpy表示会影响我的原始数据帧吗？换句话说，将。值返回副本或视图 StackOverflow中有一些问题的答案，暗示（依赖于）返回视图。例如，在的公认答案中，np.fill_diagonal（df.values，0）用于将df对角线部分的所有值设置为0。这是在本例中返回的视图。但是，如中所示，有时会返回副本。 这感觉很基本。这对我来说有点奇怪，因为我没有更详细的.values的来源 除
。值np.fill_diagonal（df.values，0）df.values除了@coldspeed答案中的当前实验之外，还返回一个视图的另一个实验：
df = pd.DataFrame([["A", "B"],["C", "D"]])
df.values[0][0] = 0
df
0 1
0 0 B
1 C D
df.valuesdf.values[0][1] = 5
df
0 1
0 0 5
1 C D
pd.SeriesIn [750]: s = pd.Series([1, 2, 3])
In [751]: v = s.values
In [752]: v[0] = 10000
In [753]: s
Out[753]:
0 10000
1 2
2 3
dtype: int64
DataFrameIn [780]: df = pd.DataFrame(1 - np.eye(3, dtype=int))
In [781]: df
Out[781]:
0 1 2
0 0 1 1
1 1 0 1
2 1 1 0
In [782]: v = df.values
In [783]: v[0] = 12345
In [784]: df
Out[784]:
0 1 2
0 12345 12345 12345
1 1 0 1
2 1 1 0
In [755]: df = pd.DataFrame({'A' :[1, 2], 'B' : ['ccc', 'ddd']})
In [756]: df
Out[756]:
A B
0 1 ccc
1 2 ddd
In [757]: v = df.values
In [758]: v[0] = 123
In [759]: v[0, 1] = 'zzxxx'
In [760]: df
Out[760]:
A B
0 1 ccc
1 2 ddd
。值返回了一个视图
现在，考虑一个具有混合<代码> dType < /C> > /P>的场景。
In [780]: df = pd.DataFrame(1 - np.eye(3, dtype=int))
In [781]: df
Out[781]:
0 1 2
0 0 1 1
1 1 0 1
2 1 1 0
In [782]: v = df.values
In [783]: v[0] = 12345
In [784]: df
Out[784]:
0 1 2
0 12345 12345 12345
1 1 0 1
2 1 1 0
In [755]: df = pd.DataFrame({'A' :[1, 2], 'B' : ['ccc', 'ddd']})
In [756]: df
Out[756]:
A B
0 1 ccc
1 2 ddd
In [757]: v = df.values
In [758]: v[0] = 123
In [759]: v[0, 1] = 'zzxxx'
In [760]: df
Out[760]:
A B
0 1 ccc
1 2 ddd
这里，.values
返回一个副本
观察
.values
for Series返回一个视图，与每行的数据类型无关，而对于数据帧则取决于此。对于同质数据类型，将返回一个视图。否则，一份副本。TL；博士：
如果返回副本（那么更改值不会改变数据帧），或者如果值
返回视图（那么更改值会改变数据帧），则这是一个实现细节。不要依赖这些案例中的任何一个。如果开发人员认为这是有益的（例如，如果他们改变了DataFrame的内部结构），那么它可能会改变
我想，自从提出这个问题以来，文档已经发生了变化，目前的内容是：
pandas.DataFrame.values
返回数据帧的Numpy表示形式
仅返回数据框中的值，轴标签将被删除
它不再提到NDFrame
，而是简单地提到了“数据帧的NumPy表示”。NumPy表示可以是视图或副本
本文档还包含关于混合数据类型的注释
：
笔记
数据类型将是较低的公分母数据类型（隐式向上转换）；也就是说，如果数据类型（即使是数字类型）是混合的，那么将选择一个容纳所有数据类型的数据类型。如果不处理块，请小心使用
e、 g.如果数据类型为float16和float32，则数据类型将向上转换为float32。如果数据类型为int32和uint8，则数据类型将向上转换为int32。按照numpy.find_common_type（）
约定，混合使用int64和uint64将生成float64数据类型
从这些注释中可以明显看出，访问包含不同数据类型的数据帧的值
（几乎）永远不会返回视图。这仅仅是因为它需要将值放入“最小公分母”数据类型的数组中，这涉及到一个副本
但是，它没有说明任何有关查看/复制行为的内容，这是出于设计。在pandas问题跟踪程序1中提到，这实际上只是一个实施细节：
这是一个实现细节。因为您得到的是一个数据类型的numpy数组，所以它被向上转换为一个兼容的数据类型。如果您有混合数据类型，那么您几乎总是会有一个副本（我认为混合浮点数据类型不会复制是个例外），但这是一个基本细节
我同意这不是很好，但它从一开始就存在，在现在的大熊猫中不会改变。如果要导出到numpy，您需要小心
即使是系列的文档
也没有提到视图：
pandas.Series.values
根据数据类型将序列返回为ndarray或类似ndarray
它甚至提到，根据数据类型，它甚至可能不会返回普通数组。这当然包括它返回副本的可能性（即使只是假设）。这并不保证你能看到风景
.values
何时返回视图，何时返回副本？
答案很简单：这是一个实现细节，只要是一个实现细节，就不会有任何保证。它之所以是一个实现细节，是因为pandas开发人员希望确保，如果他们愿意，他们可以更改内部存储。
但是在某些情况下，不可能创建视图。例如，使用包含不同数据类型列的数据帧
如果分析到目前为止的行为，可能会有好处。但只要这是一个实现细节，你就不应该真正依赖它
但是，如果您感兴趣，Pandas当前在内部存储与多维数组具有相同数据类型的列。这样做的好处是可以非常高效地对行和列进行操作（至少只要它们具有相同的数据类型）。但是，如果数据帧包含混合类型，它将具有多个内部多维数组。每个数据类型一个。不可能创建指向两个不同数组的视图（至少对于NumPy），因此当您使用混合数据类型时，您可以在需要值时获得副本
一个旁注，你的例子：
df = pd.DataFrame([["A", "B"],["C", "D"]])
df.values[0][0] = 0
不是混合数据类型。它有一个特定的数据类型：对象
。但是object
数组可以包含任何Python对象，