python Pandas DataFrame copy (deep=False) vs copy (deep=True) vs'='
Mógłby mi ktoś wyjaśnić różnicę między
df2 = df1
df2 = df1.copy()
df3 = df1.copy(deep=False)
Wypróbowałem wszystkie opcje i zrobiłem tak:
df1 = pd.DataFrame([1,2,3,4,5])
df2 = df1
df3 = df1.copy()
df4 = df1.copy(deep=False)
df1 = pd.DataFrame([9,9,9])
I zwrócone w następujący sposób:
df1: [9,9,9]
df2: [1,2,3,4,5]
df3: [1,2,3,4,5]
df4: [1,2,3,4,5]
Nie widzę więc różnicy w wyjściu pomiędzy .copy()
i .copy(deep=False)
. Dlaczego?
Spodziewałbym się, że jedna z opcji'=', copy (), copy (deep=False) zwróci [9,9,9]
3 answers
Jeśli widzisz ID obiektów różnych ramek danych, które tworzysz, możesz wyraźnie zobaczyć, co się dzieje.
Kiedy piszesz df2 = df1
, tworzysz zmienną o nazwie df2
i wiążesz ją z obiektem o id 4541269200
. Kiedy piszesz df1 = pd.DataFrame([9,9,9])
, tworzysz nowy obiekt o id 4541271120
i wiążesz go ze zmienną df1
, ale obiekt o id 4541269200
, który był wcześniej związany z df1
, nadal działa. Jeśli nie było żadnych zmiennych związanych z tym obiektem, zostanie on usunięty zebrane przez Pythona.
In[33]: import pandas as pd
In[34]: df1 = pd.DataFrame([1,2,3,4,5])
In[35]: id(df1)
Out[35]: 4541269200
In[36]: df2 = df1
In[37]: id(df2)
Out[37]: 4541269200 # Same id as df1
In[38]: df3 = df1.copy()
In[39]: id(df3)
Out[39]: 4541269584 # New object, new id.
In[40]: df4 = df1.copy(deep=False)
In[41]: id(df4)
Out[41]: 4541269072 # New object, new id.
In[42]: df1 = pd.DataFrame([9, 9, 9])
In[43]: id(df1)
Out[43]: 4541271120 # New object created and bound to name 'df1'.
In[44]: id(df2)
Out[44]: 4541269200 # Old object's id not impacted.
Edycja: Dodano 30/07/2018
[[11]}Głębokie kopiowanie Nie działa w pandach i deweloperzy rozważają umieszczenie mutowalnych obiektów wewnątrz ramki danych jako antypattern. Rozważmy następujące:In[10]: arr1 = [1, 2, 3]
In[11]: arr2 = [1, 2, 3, 4]
In[12]: df1 = pd.DataFrame([[arr1], [arr2]], columns=['A'])
In[13]: df1.applymap(id)
Out[13]:
A
0 4515714832
1 4515734952
In[14]: df2 = df1.copy(deep=True)
In[15]: df2.applymap(id)
Out[15]:
A
0 4515714832
1 4515734952
In[16]: df2.loc[0, 'A'].append(55)
In[17]: df2
Out[17]:
A
0 [1, 2, 3, 55]
1 [1, 2, 3, 4]
In[18]: df1
Out[18]:
A
0 [1, 2, 3, 55]
1 [1, 2, 3, 4]
df2
, jeśli była to prawdziwa głęboka kopia, powinna mieć nowe identyfikatory dla list w niej zawartych. W rezultacie, gdy modyfikujesz listę wewnątrz df2, wpływa ona również na listę wewnątrz df1, ponieważ są to te same obiekty.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2018-07-31 02:17:58
Deep copy tworzy nowe id każdego obiektu, który zawiera, podczas gdy normalna Kopia kopiuje tylko elementy z rodzica i tworzy nowy id dla zmiennej, do której jest kopiowana.
Powód, dla którego żaden z df2
, df3
and df4
displaying [9,9,9]
is:
In[33]: import pandas as pd
In[34]: df1 = pd.DataFrame([1,2,3,4,5])
In[35]: id(df1)
Out[35]: 4541269200
In[36]: df2 = df1
In[37]: id(df2)
Out[37]: 4541269200 # Same id as df1
In[38]: df3 = df1.copy()
In[39]: id(df3)
Out[39]: 4541269584 # New object, new id.
In[40]: df4 = df1.copy(deep=False)
In[41]: id(df4)
Out[41]: 4541269072 # New object, new id.
In[42]: df1 = pd.DataFrame([9, 9, 9])
In[43]: id(df1)
Out[43]: 4541271120 # New object created and bound to name 'df1'.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2017-12-26 15:00:08
Musisz zmodyfikować elementy df indywidualnie. Wypróbuj następujące
df1 = pd.DataFrame([1,2,3,4,5])
df2 = df1
df3 = df1.copy()
df4 = df1.copy(deep=False)
df1.iloc[0,0] = 6
df2.iloc[1,0] = 7
df4.iloc[2,0] = 8
print(df1)
print(df2)
print(df3)
print(df4)
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2018-09-19 04:59:30