Python pandas.DataFrame.copy用法及代码示例

用法: DataFrame.copy(deep=True)

制作此对象的索引和数据的副本。

当deep=True(默认)时，将使用调用对象的数据和索引的副本创建一个新对象。对副本的数据或索引的修改不会反映在原始对象中(请参阅下面的注释)。

当 deep=False 时，将创建一个新对象，而不复制调用对象的数据或索引(仅复制对数据和索引的引用)。对原始数据的任何更改都将反映在浅拷贝中(反之亦然)。

参数：

deep：布尔值，默认为真

制作深层副本，包括数据和索引的副本。使用 deep=False 既不复制索引也不复制数据。

copy：Series或DataFrame: 对象类型匹配调用者。

注意：

当 deep=True 时，会复制数据，但不会递归复制实际的 Python 对象，只会复制对对象的引用。这与标准库中的 copy.deepcopy 形成对比，后者递归地复制对象数据(参见下面的示例)。

虽然在 deep=True 时复制了 Index 对象，但出于性能原因，不会复制底层的 numpy 数组。由于Index 是不可变的，因此可以安全地共享底层数据并且不需要副本。

例子：

>>> s = pd.Series([1, 2], index=["a", "b"])
>>> s
a    1
b    2
dtype:int64

>>> s_copy = s.copy()
>>> s_copy
a    1
b    2
dtype:int64

浅拷贝与默认(深)拷贝：

>>> s = pd.Series([1, 2], index=["a", "b"])
>>> deep = s.copy()
>>> shallow = s.copy(deep=False)

浅拷贝与原始拷贝共享数据和索引。

>>> s is shallow
False
>>> s.values is shallow.values and s.index is shallow.index
True

深拷贝有自己的数据和索引副本。

>>> s is deep
False
>>> s.values is deep.values or s.index is deep.index
False

浅拷贝和原始共享的数据的更新都反映在两者中；深拷贝保持不变。

>>> s[0] = 3
>>> shallow[1] = 4
>>> s
a    3
b    4
dtype:int64
>>> shallow
a    3
b    4
dtype:int64
>>> deep
a    1
b    2
dtype:int64

请注意，当复制包含 Python 对象的对象时，深复制将复制数据，但不会递归地这样做。更新嵌套数据对象将反映在深层副本中。

>>> s = pd.Series([[1, 2], [3, 4]])
>>> deep = s.copy()
>>> s[0][0] = 10
>>> s
0    [10, 2]
1     [3, 4]
dtype:object
>>> deep
0    [10, 2]
1     [3, 4]
dtype:object

相关用法

注：本文由纯净天空筛选整理自pandas.pydata.org大神的英文原创作品 pandas.DataFrame.copy。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

注意：

例子：