pandas.DataFrame.copy

最新推荐文章于 2026-04-20 08:47:19 发布

原创最新推荐文章于 2026-04-20 08:47:19 发布 · 1.7w 阅读

35 ·

本内容遵循CC 4.0 BY-SA版权协议

Pandas 专栏收录该内容

9 篇文章

订阅专栏

本文详细解析了Pandas DataFrame的深拷贝和浅拷贝机制。深入探讨了deep参数的作用，以及在不同情况下，如何影响原始数据和拷贝数据之间的联系。特别注意的是，即使在深拷贝的情况下，Python对象的引用并不会被递归拷贝，这与标准库中的deepcopy行为有所不同。

DateFrame.copy(deep=True)

复制object的索引和数据

当deep=True时(默认), 会创建一个新的对象进行拷贝. 修改这份拷贝不会对原有对象产生影响.
当deep=False时, 新的对象只是原有对象的references. 任何对新对象的改变都会影响到原有对象

Parameters: deep: bool, default True
Returns: copy: Series, DataFrame or Panel, Object type matches caller

Notes

当deep=True时, 数据会被拷贝, 但是实际的Python对象不会被递归的拷贝, 只有reference指向对象. 这是与标准库中copy.deepcopy的区别, 其递归的拷贝了object data.

当deep=True且是Index对象被拷贝时, 因为性能的原因位于其下的numpy array不会被拷贝. 由于Index是不可变的, 其下的数据可以被安全的分享, 所以拷贝他们是没必要的.

Python对象不会被递归拷贝的举例

在下面这个例子中存在Python的列表对象, 当s的列表对象的元素更改时, deep的也会跟着改动

In [30]: s = pd.Series([[1, 2],[3, 4]])                         

In [31]: s                                                      
Out[31]: 
0    [1, 2]
1    [3, 4]
dtype: object

In [32]: deep = s.copy()                                        

In [34]: s[0][0] = 10                                           

In [35]: s                                                      
Out[35]: 
0    [10, 2]
1     [3, 4]
dtype: object

In [36]: deep                                                   
Out[36]: 
0    [10, 2]
1     [3, 4]
dtype: object