pandas copy() 创建对象的副本

pandas 的 copy 方法用于创建对象的副本。它可以用于 DataFrame 和 Series，以防止对原始数据进行不必要的更改或破坏。

适用的数据类型

• DataFrame
• Series

语法

对于 DataFrame 和 Series，语法如下：

DataFrame.copy(deep=True)
Series.copy(deep=True)

参数

• deep (bool, 默认 True): 如果为 True，则创建对象的深拷贝；如果为 False，则创建对象的浅拷贝。

返回值

返回一个与原始对象相同类型的副本。

使用场景

• 在数据处理和分析过程中创建数据副本，以防止修改原始数据
• 在对数据进行实验或调试时创建备份
• 在需要多次使用相同数据集但对其有不同操作时

注意

当 deep=True 时，数据会被复制，但实际的 Python 对象不会被递归复制，仅会复制对象的引用。这与标准库中的 copy.deepcopy 形成对比，后者会递归复制对象数据（见下例）。

虽然在 deep=True 时 Index 对象会被复制，但出于性能原因，底层的 numpy 数组不会被复制。由于 Index 是不可变的，底层数据可以安全共享，不需要复制。

由于 pandas 不是线程安全的，请注意在线程环境中复制时的注意事项。

当 pandas 配置中的 copy_on_write 设置为 True 时，即使 deep=False，copy_on_write 配置也会生效。这意味着对复制数据的任何更改都会在写入时生成数据的新副本（反之亦然）。对原始变量或复制变量所做的更改不会反映在对方中。有关详细信息，请参阅 Copy_on_Write。（ https://pandas.pydata.org/docs/user_guide/copy_on_write.html#copy-on-write ）

示例说明

示例如下：

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)

浅拷贝与原件共享数据和索引。

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

深度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

浅拷贝和原始共享数据的更新都反映在两者中（注意：对于 pandas>=3.0，这将不再适用）；深度拷贝保持不变。

s.iloc[0] = 3
shallow.iloc[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，在复制包含Python对象的对象时，深度复制会复制数据，但不会递归复制。更新嵌套数据对象将反映在深度副本中。

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

写时 Copy-on-Write 为true，当原始数据更改时，浅复制不会被修改：

with pd.option_context("mode.copy_on_write", True):
    s = pd.Series([1, 2], index=["a", "b"])
    copy = s.copy(deep=False)
    s.iloc[0] = 100
    s
a    100
b      2
dtype: int64

copy
a    1
b    2
dtype: int64

通过这些示例，我们可以看到 copy 方法在处理不同类型和规模的数据时的应用。它能够帮助我们在需要创建数据副本的情况下选择适当的拷贝方式（深拷贝或浅拷贝），以便在数据处理和分析过程中更好地管理和保护数据。

参考

• https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.copy.html

更新时间：2024-08-05 16:38:52 标签：pandas python copy 副本