Python 使用熊猫的列视图？

是否可以在不复制的情况下创建列中值的视图？例如：

import numpy  as np
import pandas as pd

class Aclass:
    pass

df = pd.DataFrame(np.random.rand(8,2),columns=['a','b'])

这项工作：

Aclass.a = df['a']
Aclass.a is df['a']
Out[51]: True

但不是这个：

Aclass.a = df['a'].values
Aclass.a is df['a'].values
Out[54]: False

---

我想这样做是为了以增量方式将pandas包含到项目中，而不会受到太多额外内存使用的影响。

实际上，在这种情况下，您并不是在复制数据，而是在创建数组“容器”

在许多情况下，

df.values

将返回一个副本（例如，不同列的不同数据类型，或者数据在内存中不连续的任何情况），但是对于一个简单的系列或具有一个数据类型的数据帧，它返回数据的视图

即使数组对象不同，它们也指向相同的数据缓冲区。只使用了几个额外的内存字节

例如：

import numpy  as np
import pandas as pd

df = pd.DataFrame(np.random.rand(8,2),columns=['a','b'])

# Every time you call `values` a new array object is created:
print df.a.values is df.a.values # This will be False

# But the data is _not_ copied:
x = df['a'].values
y = df.a.values
print np.may_share_memory(x, y) #This will be True

# And if we modify "x" or "y", we'll modify the original data frame:
x[0] = -9
y[-1] = -8
print df

# However, this only holds for cases where the data can be 
# viewed as a numpy array.

# This will modify the original dataframe:
z = df.values
z[0,:] = -5
print df

# But this won't, because the types are different and "values" returns
# a copy:
df['b'] = df['b'].astype(int)
arr = df.values
arr[0,:] = 10
print df

---

在第一个示例中，您正在查看序列，但在第二个示例中，您正在调用属性

values

，该属性返回值的numpy数组表示形式，因此它们不相同，查看序列有什么问题？有numpy/scipy函数，包括我的代码库中的一些内容，它假定ndarray作为输入，因此不接受series视图。我希望我可以实现pandas“under the hood”。我经历了您提到的，特别是sklearn，不幸的是，这些方法有时会出现调用数组属性不正确的问题，不幸的是，在这种情况下，您可能需要复制numpy数组。如果您担心内存问题，那么您可以在复制numpy值后调用

del df['a']

。W，太好了，谢谢！这应该包括在熊猫FAQ中。除非它已经是，我错过了它。。。