Python 为什么熊猫没有一个选择来使用。在适当的地方应用？

我喜欢认为每一个设计决策都是有原因的。许多函数（例如，

df.drop

，

df.rename

df.replace

）都带有一个参数，

inplace

。如果将其设置为

True

，则pandas不会返回新的数据帧，而是就地修改数据帧。这里没有什么意外；）

然而，我经常发现自己在使用

df。将
与lambda表达式结合使用，对列执行更复杂的操作。考虑下面的例子：

假设我有需要为情绪分析预处理的文本数据。我将使用：

def remove_punctuation(text):
    no_punct = "".join([c for c in text if c not in string.punctuation])
    return no_punct

然后将我的专栏改编如下：

df['text'] = df['text'].apply(lambda x: remove_punctuation(x))

我最近注意到.apply没有参数
inplace=True
。既然此函数主要用于更新数据帧，为什么这样的参数不可用？这背后的基本原理是什么？
pandas.DataFrame.apply
和
pandas.Series.apply
都从
DataFrame
或
Series
返回
序列。在您的示例中，您将其应用于
系列
，而
inplace
在这里可能有意义。然而，也有其他应用程序无法实现

例如，
df
为：

   col1  col2
0     1     3
1     2     4

做：

s = df.apply(lambda x: x.col1 + x.col2, axis=1)

将返回类型和形状与原始数据帧不同的
系列
。
在这种情况下，
inplace
参数没有多大意义

我认为
pandas
devs希望在
pandas.DataFrame.apply
和
pandas.Series.apply
之间实现一致性，从而避免在
pandas.Series.apply
中使用
内置参数所产生的混乱