Python Pandas Index.copy()

Python是一种进行数据分析的伟大语言，主要是因为以数据为中心的Python包的奇妙生态系统。Pandas就是这些包中的一个，它使导入和分析数据变得更加容易。

Pandas Index.copy()函数制作了这个对象的一个副本。该函数还将新对象的名称和dtype属性设置为原始对象的名称和dtype属性。如果我们希望新对象有一个不同的数据类型，那么我们可以通过设置函数的dtype属性来实现。

语法: Index.copy(name=None, deep=False, dtype=None, **kwargs)

参数 :
name：字符串，可选
deep：布尔值，默认为假。
dtype : numpy dtype 或 pandas type

返回 :副本 : 索引

注意：在大多数情况下，与使用deep应该没有功能上的区别，但如果传递了deep，它将试图进行deepcopy。

例子#1：使用Index.copy()函数将Index值复制到一个新对象中，并将新对象的数据类型改为’int64’。

# importing pandas as pd
import pandas as pd
  
# Creating the Index
idx = pd.Index([17.3, 69.221, 33.1, 15.5, 19.3, 74.8, 10, 5.5])
  
# Print the Index
idx

输出 :

让我们创建一个数据类型为 “int64 “的对象的副本。

# Change the data type of newly 
# created object to 'int64'
idx.copy(dtype ='int64')

输出 :

正如我们在输出中看到的，该函数返回了一个原始索引的副本，其dtype为’int64’。

例子#2：使用Index.copy()函数来制作原始对象的副本。同时设置新对象的name属性，并将字符串dtype转换成’datetime’类型。

# importing pandas as pd
import pandas as pd
  
# Creating the Index
idx = pd.Index(['2015-10-31', '2015-12-02', '2016-01-03', 
                             '2016-02-08', '2017-05-05'])
  
# Print the Index
idx

输出 :

让我们做一个原始对象的副本。

# to make copy and set data type in the datetime format.
idx_copy = idx.copy(dtype ='datetime64')
  
# Print the newly created object
idx_copy

输出 :

正如我们在输出中看到的，新的对象有日期格式的数据，其名称属性也被设置了。