inplace在Pandas中是什么意思

在这篇文章中，我们将看到pandas中的Inplace。Inplace是一个在不同函数中使用的参数。在一些函数中，inplace作为一个属性被使用，比如set_index(), dropna() , fillna() , reset_index() , drop() , replace() 等等。这个属性的默认值是False，它返回对象的副本。

这里我们使用的是fillna()方法。

语法:

dataframe.fillna(dataframe.mean(), inplace = False)

让我们通过逐步实施来了解这个方法：

步骤1.首先，我们导入所有需要的库。

# import required module
import pandas as pd

第2步 .创建数据框架。

# creating dataframe
dataframe = pd.DataFrame({'Name':['Shobhit','vaibhav',
                                'vimal','Sourabh'],
                         
                        'Class':[11,12,10,9],
                        'Age':[18,20,21,17]})
 
# Checking created dataframe
display(dataframe)

输出 :

inplace在Pandas中是什么意思？

步骤3.为了看到inplace的使用，我们将使用重命名函数，我们将 “Name”列重命名为 “FirstName”。

在这一步，我们将不在代码中使用inplace。

# without using inplace renaming the column
new_data = dataframe.rename(columns = {'Name':'FirstName'})
 
# check new_data
display(new_data)

输出 :

inplace在Pandas中是什么意思？

我们可以清楚地看到，原始数据框架没有变化。通过这个，我们得出结论，inplace的默认值是False。

现在在这一步，我们将使用假值的inplace。

# putting inplace=False
new_data_2 = dataframe.rename(columns = {'Name':'FirstName'},
                            inplace = False)
 
#check new_data_2
display(new_data_2)

输出 :

inplace在Pandas中是什么意思？

我们再次可以清楚地看到，原始数据集没有任何变化。

最后，我们把原位值等于真。

# Putting Inplace=True
dataframe.rename(columns = {'Name':'FirstName'},
                 inplace = True)
  
# check whether dataframe is modified or not
print(dataframe)

输出 :

inplace在Pandas中是什么意思？

最后，我们可以看到原来的数据框架列已经从 “Name “修改为 “FirstName”。

以下是基于上述方法的完整方案：

# importing pandas
import pandas as pd
 
# creating dataframe
dataframe=pd.DataFrame({'Name':['Shobhit','Vaibhav',
                                'Vimal','Sourabh'],
                         
                        'Class':[11,12,10,9],
                        'Age':[18,20,21,17]})
 
# Checking created dataframe
# copied dataframe
display(dataframe)
 
# without using inplace renaming the column
new_data = dataframe.rename(columns = {'Name':'FirstName'})
 
# Copied dataframe
display(new_data) 
 
# checking whether dataframe is modified or not
# Original dataframe
display(dataframe)
 
# putting inplace=False
new_data_2 = dataframe.rename(columns = {'Name':'FirstName'},
                              inplace = False)
 
# Copied dataframe
display(new_data_2)
 
# checking whether dataframe is modified or not
# Original dataframe
display(dataframe)
 
# Putting Inplace=True
dataframe.rename(columns = {'Name':'FirstName'},
                 inplace = True)
 
# checking whether dataframe is modified or not
# Original dataframe
display(dataframe)