pandas的copy方法详解

引言

在使用Python进行数据分析和处理的过程中，pandas库是不可或缺的工具之一。而pandas库中的copy方法则是经常被用到的一个重要函数。

pandas的copy方法用于复制一个DataFrame或Series，返回一个新的对象。本文将详细介绍pandas copy方法的用法，包括深拷贝和浅拷贝的区别，以及在实际应用中的一些注意事项。

1. copy方法的基本用法

在pandas中，copy方法可以在DataFrame或Series上被调用，用来创建一个对象的副本。

import pandas as pd

# 创建一个DataFrame
data = {'Name': ['Tom', 'Nick', 'John', 'Alice'],
        'Age': [28, 23, 31, 35],
        'Sex': ['M', 'M', 'M', 'F']}
df = pd.DataFrame(data)

# 使用copy方法创建一个副本
df_copy = df.copy()

上述代码中，我们创建了一个DataFrame对象df，并使用copy方法创建了一个df的副本df_copy。这样做的好处是，df和df_copy互不干扰，修改其中一个对象的值不会影响到另一个对象。

2. 深拷贝与浅拷贝的区别

在copy方法中，有两种拷贝方式：深拷贝和浅拷贝。它们之间的区别在于对数据的处理方式不同。

2.1 深拷贝

深拷贝会创建一个新的对象，并将原始数据的副本存储在新对象中。也就是说，深拷贝会创建一个完全独立的副本，两者之间不会相互影响。

import pandas as pd

# 创建一个DataFrame
data = {'Name': ['Tom', 'Nick', 'John', 'Alice'],
        'Age': [28, 23, 31, 35],
        'Sex': ['M', 'M', 'M', 'F']}
df = pd.DataFrame(data)

# 使用深拷贝创建一个副本
df_deep_copy = df.copy(deep=True)

# 修改原始数据
df.loc[0, 'Age'] = 30

print(df)
print(df_deep_copy)

运行上述代码，输出如下：

   Name  Age Sex
0   Tom   30   M
1  Nick   23   M
2  John   31   M
3 Alice   35   F

   Name  Age Sex
0   Tom  28   M
1  Nick  23   M
2  John  31   M
3 Alice  35   F

可以看到，修改了原始数据df的值后，df_deep_copy并没有发生任何变化，两者之间完全独立。

2.2 浅拷贝

浅拷贝只会创建一个新的引用，而不会复制引用对象本身。也就是说，浅拷贝创建的副本与原始对象共享同一份数据。

import pandas as pd

# 创建一个DataFrame
data = {'Name': ['Tom', 'Nick', 'John', 'Alice'],
        'Age': [28, 23, 31, 35],
        'Sex': ['M', 'M', 'M', 'F']}
df = pd.DataFrame(data)

# 使用浅拷贝创建一个副本
df_shallow_copy = df.copy(deep=False)

# 修改原始数据
df.loc[0, 'Age'] = 30

print(df)
print(df_shallow_copy)

运行上述代码，输出如下：

   Name  Age Sex
0   Tom   30   M
1  Nick   23   M
2  John   31   M
3 Alice   35   F

   Name  Age Sex
0   Tom   30   M
1  Nick   23   M
2  John   31   M
3 Alice   35   F

可以看到，修改了原始数据df的值后，df_shallow_copy也发生了变化，两者共享同一份数据。