Python expndtw-1.apply意外地更改了在位的数据帧

据我所知，pandas.DataFrame.apply不会就地应用更改，我们应该使用其返回对象来持久化任何更改。但是，我发现以下不一致的行为：

为了确保原始df保持不变，让我们应用一个虚拟函数：

>>> def foo(row: pd.Series):
...     row['b'] = '42'

>>> df = pd.DataFrame([('a0','b0'),('a1','b1')], columns=['a', 'b'])
>>> df.apply(foo, axis=1)
>>> df
    a   b
0   a0  b0
1   a1  b1

这与预期的一样。但是，如果我们修改初始化此df的方式，foo将应用更改：

>>> df2 = pd.DataFrame(columns=['a', 'b'])
>>> df2['a'] = ['a0','a1']
>>> df2['b'] = ['b0','b1']
>>> df2.apply(foo, axis=1)
>>> df2
    a   b
0   a0  42
1   a1  42

我还注意到，如果列数据类型不是“object”类型，则上述情况不成立。为什么apply（）在这两种上下文中的行为不同

Python:3.6.5

---

熊猫：0.23.1

有趣的问题！我相信您看到的行为是您使用

apply

方式的产物

正如您正确指出的，

apply

不用于修改数据帧。但是，由于

apply

采用任意函数，因此不能保证应用该函数将是幂等函数，并且不会更改数据帧。在这里，您已经找到了这种行为的一个很好的例子，因为您的函数

foo

尝试修改它所传递的行

apply

使用

apply

修改行可能会导致这些副作用。这不是最好的做法

改为考虑<代码> >应用< /COD>的习惯用法。函数

apply

通常用于创建新列。下面是一个典型使用

apply

的示例，我相信这将引导您远离这个潜在的麻烦领域：

import pandas as pd
# construct df2 just like you did
df2 = pd.DataFrame(columns=['a', 'b'])
df2['a'] = ['a0','b0']
df2['b'] = ['a1','b1']

df2['b_copy'] = df2.apply(lambda row: row['b'], axis=1) # apply to each row
df2['b_replace'] = df2.apply(lambda row: '42', axis=1) 
df2['b_reverse'] = df2['b'].apply(lambda val: val[::-1]) # apply to each value in b column

print(df2)

# output:
#     a   b b_copy b_replace b_reverse
# 0  a0  a1     a1        42        1a
# 1  b0  b1     b1        42        1b

请注意，pandas将一行或一个单元格作为

apply

的第一个参数传递给函数，然后将函数的输出存储在您选择的列中

---

如果您想逐行修改数据帧，请查看

iterrows

和

loc

以了解最惯用的路线。

可能会晚些，但我认为这可能对解决此问题的人特别有帮助

当我们使用

foo

时，如下所示：

def foo(row: pd.Series):
    row['b'] = '42'

然后将其用于：

df.apply(foo, axis=1)

我们预计df不会发生任何变化，但会发生。为什么?

让我们回顾一下引擎盖下发生的事情：

apply

函数调用

foo

并将一行传递给它。由于它不是python中特定类型的

类型（如int、float、str等），而是一个对象，因此根据python规则，它是通过引用而不是通过值传递的。因此，它与
apply
函数发送的行完全等效。（值相等，并且两个值都指向同一块ram。）
因此，在
foo
函数中对
行
的任何更改都将立即更改
行
——其类型为
pandas.series
，并指向
df.row
驻留的内存块

我们可以重写
foo
（我将其命名为
bar
）函数，以不更改任何就地。（通过深度复制
行
，这意味着在ram的另一个单元上创建具有相同值的另一行）。这是在
apply
函数中使用
lambda
时经常发生的情况

def bar(row: pd.Series):
    row_temp=row.copy(deep=True)
    row_temp['b'] = '42'
    return row_temp

完整代码

将熊猫作为pd导入
#发生了变化——不像拉姆达
def foo（行：pd.系列）：
行['b']='42'
#不要在原地更改df——就像lambda一样工作
def棒（世界其他地区：pd系列）：
行临时=行复制（深=真）
行温度['b']='42'
返回行温度
df2=pd.DataFrame（列=['a'，'b']）
df2['a']=['a0'，'a1']
df2['b']=['b0'，'b1']
打印（df2）
#不变
df_b=df2.应用（杆，轴=1）
打印（df2）
#酒吧功能正常
打印（df_b）
打印（df2）
#就地变化
df2.应用（foo，轴=1）
打印（df2）

输出

#df2 before any change
    a   b
0  a0  b0
1  a1  b1

#calling df2.apply(bar, axis=1) not changed df2 inplace
    a   b
0  a0  b0
1  a1  b1

#df_b = df2.apply(bar, axis=1) #bar is working as expected
    a   b
0  a0  42
1  a1  42

#print df2 again to assure it is not changed
    a   b
0  a0  b0
1  a1  b1

#call df2.apply(foo, axis=1) -- as we see foo changed df2 inplace ( to compare with bar)
    a   b
0  a0  42
1  a1  42

您正在
df2['a']
中插入值
['a0'，'b0']
。但在df2输出中，数据是不同的。为什么？编辑：更新了df2。谢谢@roganjosh和Arihant，结果发现这与你看到的行为无关。好问题：）这真的回答了为什么它不在第一个实例中修改数据帧吗？