Python .copy（）不创建深度副本

我有一个名为

df

的数据帧。 此数据框由两列组成，分别名为“

摘要”

和“

关键字”\u（在\u数组中）

df[“关键字在数组中”]

列中的每一行都由一个数组组成

我想创建一个名为

KeyWords\u in_Array\u wo\u insurance

的新列，该列等于

df[“KeyWords\u in_Array”]

，但删除数组中存在的元素“insurance”

我的代码如下：

df["KeyWords_in_Array_wo_insurance"] = df["KeyWords_in_Array"].copy(deep=True)
df["KeyWords_in_Array_wo_insurance"] = df["KeyWords_in_Array"].apply(lambda k: k.remove("INSURANCE"))

但是

新列

df[“KeyWords_in_Array\u wo_insurance”]

填充为

None

，旧列

df[“KeyWords_in_Array”]

不再包含数组中的元素“insurance”

---

我不明白我做错了什么，因为我做了一个深度复制的

df[“KeyWords\u in_Array”]

，因此新列应该完全没有连接。

您创建了

.copy

的

df[“KeyWords\u in_Array”]

并将其存储为

df[“KeyWords\u in_in_Array\u\u保险”]

但被称为

。在
df[“KeyWords\u in_Array”]
上应用
，因此实际上第二行代码应该是

df["KeyWords_in_Array_wo_insurance"] = df["KeyWords_in_Array_wo_insurance"].apply(lambda k: k.remove("INSURANCE"))

另一个问题是
list.remove
已就位并返回
None
，因此您无法使用
。请按您的方式应用

然而，这仍然不起作用

为什么?

Series.copy
的docstring有一些见解：

注释
-----
当
deep=True
时，会复制数据，但不会复制实际的Python对象
不会递归复制，只复制对对象的引用。
这与标准库中的
copy.deepcopy
相反，
它递归地复制对象数据（参见下面的示例）

当
deep=True
复制
Index
对象时，底层
由于性能原因，未复制numpy阵列。因为
索引
是
不可变，基础数据可以安全地共享和复制
这是不需要的

解决方案

手动将
df[“关键字数组中的关键字”]
复制到
df[“关键字数组中的关键字数组中的关键字保险”]
并使用
的更好功能。应用
：

df = pd.DataFrame({'KeyWords_in_Array': [['a', 'b', 'c', 'INSURANCE']]})
df["KeyWords_in_Array_wo_insurance"] = [list(data) for data in df["KeyWords_in_Array"]]

def remove_insurance(k):
    k.remove('INSURANCE')
    return k

df["KeyWords_in_Array_wo_insurance"] = df["KeyWords_in_Array_wo_insurance"].apply(remove_insurance)
print(df)
#       KeyWords_in_Array KeyWords_in_Array_wo_insurance
# 0  [a, b, c, INSURANCE]                      [a, b, c]

如果可以提供样本数据，这将有助于洛蒂补充更多信息，希望它能帮助你。人们会感到困惑，因为您没有指定您的数据是一个列表列表，因此结果是“无”。另外，不要将样本数据作为图片发布，人们不能使用它。非常感谢。我不知道你为什么说这是一个列表？列表由单个元素（字符串）组成。除非你将字符串作为一种特定类型的列表引用。你是对的，是一系列列表，应该更精确。数组中的列关键字是一系列列表，请查看由DeepSpace提供的解决方案
df = pd.DataFrame({'KeyWords_in_Array': [['a', 'b', 'c', 'INSURANCE']]})
df["KeyWords_in_Array_wo_insurance"] = [list(data) for data in df["KeyWords_in_Array"]]

def remove_insurance(k):
    k.remove('INSURANCE')
    return k

df["KeyWords_in_Array_wo_insurance"] = df["KeyWords_in_Array_wo_insurance"].apply(remove_insurance)
print(df)
#       KeyWords_in_Array KeyWords_in_Array_wo_insurance
# 0  [a, b, c, INSURANCE]                      [a, b, c]