Python 熊猫中的重新分配：复制还是查看？

假设我们有以下数据帧：

df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar',
                          'foo', 'bar', 'foo', 'foo'],  
                   'B' : ['one', 'one', 'two', 'three',
                          'two', 'two', 'one', 'three'],
                   'C' : randn(8), 'D' : randn(8)})

如下所示：

> df
     A      B         C         D
0  foo    one  0.846192  0.478651
1  bar    one  2.352421  0.141416
2  foo    two -1.413699 -0.577435
3  bar  three  0.569572 -0.508984
4  foo    two -1.384092  0.659098
5  bar    two  0.845167 -0.381740
6  foo    one  3.355336 -0.791471
7  foo  three  0.303303  0.452966

然后我做了以下工作：

df2 = df
df  = df[df['C']>0]

如果您现在查看

df

和

df2

，您将看到

df2

保存原始数据，而

df

更新为仅保留

C

大于0的值

我认为熊猫不应该在类似

df2=df

这样的作业中复制，它只会在以下两种情况下复制：

df2=df.copy（deep=True）

df2=copy.deepcopy（df）

上面发生了什么？

df2=df

复制了吗？我假设答案是否定的，所以一定是复制了一个副本的

df=df[df['C']>0]

，并且我假设，如果我没有上面的

df2=df

，那么就会有一个副本，而没有任何引用在内存中浮动。对吗

注意：我通读了一遍，不知道以下内容：

df2 = df
df  = df[df['C']>0]

每当索引操作涉及标签数组或布尔向量时，结果将是一个副本

---

解释了这种行为

不是因为

df2

正在制作副本，而是

df=df[df['C']>0]

正在返回副本

只要打印出ID，您就会看到：

print id(df)
df2 = df
print id(df2)
df = df[df['C'] > 0]
print id(df)

---

谢谢@acushner我已经看过了，但是找不到我问题的答案。仅供参考，只有当它是一个数据类型时，你才能看到它（即使是这样，也不能保证；取决于你是如何切片的）。谢谢，我更新了OP。我想垃圾收集会处理没有引用的副本。对吗？肯定会的。我的意思是，如果没有引用，它也会去掉原作。