pandas.DataFrame.copy #

数据框。复制( deep = True ) [来源] #

复制该对象的索引和数据。

deep=True(默认)时,将使用调用对象的数据和索引的副本创建一个新对象。对副本数据或索引的修改不会反映在原始对象中(请参阅下面的注释)。

当 时deep=False,将创建一个新对象,而不复制调用对象的数据或索引(仅复制对数据和索引的引用)。对原始数据的任何更改都将反映在浅拷贝中(反之亦然)。

笔记

deep=False上述行为将在 pandas 3.0 中发生变化。默认情况下将启用写入时复制 ,这意味着返回的“浅”副本deep=False仍将避免进行急切复制,但对原始数据的更改将不再 反映在浅复制中(或相反亦然)。相反,它使用惰性(延迟)复制机制,仅当对原始副本或浅副本进行任何更改时才会复制数据。

您已经可以通过启用写入时复制来获得未来的行为和改进pd.options.mode.copy_on_write = True

参数
布尔值,默认 True

制作深层副本,包括数据和索引的副本。索引deep=False和数据都不会被复制。

返回
系列或数据框

对象类型与调用者匹配。

笔记

当 时deep=True,数据被复制,但实际的 Python 对象不会被递归复制,只会复制对象的引用。这与标准库中的copy.deepcopy形成对比,后者递归地复制对象数据(请参见下面的示例)。

Index时 复制对象时deep=True,出于性能原因,不会复制底层 numpy 数组。由于Index是不可变的,因此可以安全地共享底层数据并且不需要副本。

由于 pandas 不是线程安全的,因此请参阅 在线程环境中复制时的陷阱。

copy_on_writepandas config 设置为时Truecopy_on_write即使在deep=False.这意味着对复制数据的任何更改都会在写入时创建数据的新副本(反之亦然)。对原始变量或复制变量所做的更改不会反映在对应变量中。有关详细信息,请参阅写入时复制。

例子

>>> s = pd.Series([1, 2], index=["a", "b"])
>>> s
a    1
b    2
dtype: int64
>>> s_copy = s.copy()
>>> s_copy
a    1
b    2
dtype: int64

浅拷贝与默认(深)拷贝:

>>> s = pd.Series([1, 2], index=["a", "b"])
>>> deep = s.copy()
>>> shallow = s.copy(deep=False)

浅拷贝与原始文件共享数据和索引。

>>> s is shallow
False
>>> s.values is shallow.values and s.index is shallow.index
True

深拷贝有自己的数据和索引副本。

>>> s is deep
False
>>> s.values is deep.values or s.index is deep.index
False

对浅拷贝和原始数据共享的数据的更新反映在两者中(注意:这对于 pandas >= 3.0 不再适用);深拷贝保持不变。

>>> s.iloc[0] = 3
>>> shallow.iloc[1] = 4
>>> s
a    3
b    4
dtype: int64
>>> shallow
a    3
b    4
dtype: int64
>>> deep
a    1
b    2
dtype: int64

请注意,当复制包含 Python 对象的对象时,深复制将复制数据,但不会递归地执行此操作。更新嵌套数据对象将反映在深层复制中。

>>> s = pd.Series([[1, 2], [3, 4]])
>>> deep = s.copy()
>>> s[0][0] = 10
>>> s
0    [10, 2]
1     [3, 4]
dtype: object
>>> deep
0    [10, 2]
1     [3, 4]
dtype: object

Copy-on-Write 设置为 true,当原始数据改变时,浅拷贝不会被修改:

>>> with pd.option_context("mode.copy_on_write", True):
...     s = pd.Series([1, 2], index=["a", "b"])
...     copy = s.copy(deep=False)
...     s.iloc[0] = 100
...     s
a    100
b      2
dtype: int64
>>> copy
a    1
b    2
dtype: int64