pandas copy函数|极客教程

pandas copy函数

在使用pandas进行数据处理时，有时候我们需要创建DataFrame或Series的副本，以在不影响原始数据的情况下进行操作。这时就需要使用pandas的copy函数来完成这个任务。

为什么需要复制数据

在pandas中，有时候我们会遇到以下情况需要复制数据而非直接引用：

避免操作引起的原始数据改变
需要对数据进行操作，但同时保留原始数据的备份
需要在多个数据集上同时进行操作

如果直接引用数据而非复制，可能会导致对原始数据的意外改变，从而影响后续的数据处理结果。

copy函数的基本用法

在pandas中，DataFrame和Series对象都提供了copy方法来完成数据的复制。其基本语法为：

df.copy(deep=True)

deep参数表示是否执行深拷贝，默认为True。如果为True，将复制数据的所有内容；如果为False，只复制数据本身，而不复制数据的索引和列等元数据。

下面我们通过一些示例来演示copy函数的基本用法：

import pandas as pd

# 创建一个DataFrame
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)

# 复制DataFrame
df_copy = df.copy()

# 修改复制后的数据
df_copy['A'][0] = 100

print("原始DataFrame:")
print(df)
print("\n复制后的DataFrame:")
print(df_copy)

上述代码中，我们首先创建了一个DataFrame df，然后使用copy方法创建了一个副本df_copy。接着修改了副本的第一行数据，最后打印了原始DataFrame和复制后的DataFrame。

运行结果如下：

原始DataFrame:
   A  B
0  1  4
1  2  5
2  3  6

复制后的DataFrame:
     A  B
0  100  4
1    2  5
2    3  6

深拷贝和浅拷贝

在使用copy函数时，可以通过设置deep参数来控制是执行深拷贝还是浅拷贝。

深拷贝会复制数据的所有内容，包括索引、列、数据等，修改复制后的数据不会影响原始数据。
浅拷贝只复制数据本身，而不复制其他元数据，修改复制后的数据可能会影响原始数据。

接下来我们通过示例演示深拷贝和浅拷贝的区别：

import pandas as pd

# 创建一个DataFrame
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)

# 深拷贝
df_deep_copy = df.copy(deep=True)

# 浅拷贝
df_shallow_copy = df.copy(deep=False)

# 修改深拷贝后的数据
df_deep_copy['A'][0] = 100

# 修改浅拷贝后的数据
df_shallow_copy['A'][0] = 200

print("原始DataFrame:")
print(df)
print("\n深拷贝后的DataFrame:")
print(df_deep_copy)
print("\n浅拷贝后的DataFrame:")
print(df_shallow_copy)

运行结果如下：

原始DataFrame:
   A  B
0  1  4
1  2  5
2  3  6

深拷贝后的DataFrame:
     A  B
0  100  4
1    2  5
2    3  6

浅拷贝后的DataFrame:
     A  B
0  200  4
1    2  5
2    3  6

可以看到，深拷贝后修改副本数据不会影响原始数据，而浅拷贝后修改副本数据会影响原始数据。