Python Pandas：数据帧和用于定义它的numpy.array之间的关系

我只想创建两个相同维度的数据帧，它们最初是空的。我是这样做的：

import numpy as np
import pandas as pd

m = np.empty((2, 3))*np.nan
df1 = pd.DataFrame(m)
df2 = pd.DataFrame(m)

但当我在一个数据帧中更改特定值时，所有三个对象都会受到影响：

df2.iloc[1, 2] = 1

print(df2)
    0   1    2
0 NaN NaN  NaN
1 NaN NaN  1.0

print(df1)
    0   1    2
0 NaN NaN  NaN
1 NaN NaN  1.0

print(m)
array([[nan, nan, nan],
       [nan, nan,  1.]])

---

因此，数据帧似乎只是一个numpy数组的包装器：没有复制。我没有在任何地方看到这种行为的记录，我只是想指出它。有什么意见吗？

我认为这是因为

df1

和

df2

是指向同一内存地址的指针。如果您不熟悉指针，请参阅示例。
解决此问题的快速方法是将共享numpy数组复制到新数组中：

 import numpy as np
import pandas as pd

m = np.empty((2, 3))*np.nan
n = m.copy()
df1 = pd.DataFrame(m)
df2 = pd.DataFrame(n)

df2.iloc[1, 2] = 1

print(df1)
print(df2)

---

我认为这是因为

df1

和

df2

是指向同一内存地址的指针。如果您不熟悉指针，请参阅示例。
解决此问题的快速方法是将共享numpy数组复制到新数组中：

 import numpy as np
import pandas as pd

m = np.empty((2, 3))*np.nan
n = m.copy()
df1 = pd.DataFrame(m)
df2 = pd.DataFrame(n)

df2.iloc[1, 2] = 1

print(df1)
print(df2)

---

有一个initarg to DataFrame，让您指定将数据从ndarray复制到DataFrame

请参阅pandas、line和更高版本的源代码。。。 默认情况下，“复制”为False

因此，您可以通过以下方式强制复制：

import numpy as np
import pandas as pd

m = np.empty((2, 3))*np.nan
df1 = pd.DataFrame(m,copy=True)
df2 = pd.DataFrame(m)

df2.iloc[1, 2] = 1
print(df1)
print(df2)

---

有一个initarg to DataFrame，让您指定将数据从ndarray复制到DataFrame

请参阅pandas、line和更高版本的源代码。。。 默认情况下，“复制”为False

因此，您可以通过以下方式强制复制：

import numpy as np
import pandas as pd

m = np.empty((2, 3))*np.nan
df1 = pd.DataFrame(m,copy=True)
df2 = pd.DataFrame(m)

df2.iloc[1, 2] = 1
print(df1)
print(df2)

---

这种行为背后的理念是，numpy和pandas是为提高效率而设计的。因此，开发人员的理念是：只有在必要时才会复制内容

例如：

a=np.ones((2,3))
df=pd.DataFrame(a)
df.iloc[0,0]="string" 

In [2]: a
Out[2]: 
array([[ 1.,  1.,  1.],
       [ 1.,  1.,  1.]])

In [3]: df
Out[3]: 
        0    1    2
0  string  1.0  1.0
1       1  1.0  1.0

---

在这种情况下，由于数据类型发生了更改，因此会生成一个副本。

此行为背后的理念是numpy和pandas的设计是为了提高效率。因此，开发人员的理念是：只有在必要时才会复制内容

例如：

a=np.ones((2,3))
df=pd.DataFrame(a)
df.iloc[0,0]="string" 

In [2]: a
Out[2]: 
array([[ 1.,  1.,  1.],
       [ 1.,  1.,  1.]])

In [3]: df
Out[3]: 
        0    1    2
0  string  1.0  1.0
1       1  1.0  1.0

---

在这种情况下，由于数据类型发生了更改，因此会制作一个副本。

我不知道熊猫的情况，但对于numpy来说，这是预期的行为。numpy仅在必要时制作副本。切片、转置、重塑等创建相同数据的新视图。我不知道熊猫如何，但对于numpy来说，这是预期的行为。numpy仅在必要时制作副本。切片、转置、重塑等创建相同数据的新视图。这很棒。我最初修改了我的代码，所以它会说

df1=pd.DataFrame（np.copy（m））

，但我更喜欢你的替代方案。这很好。我最初修改了我的代码，所以它会说

df1=pd.DataFrame（np.copy（m））

，但我更喜欢你的替代方案。这对我来说是有意义的。这对我来说是有意义的。