函数的输入对象会被return覆盖

Question

我对 Python 比较陌生，但我遇到了一个函数问题。基本上，这个函数应该编辑一个 pandas 数据框并以一个新的对象名称返回它。所以保持原来的对象不变。返回的对象应保存在新对象中。我的问题是，输入对象也会受到影响。即使我将结果保存到新对象，如何防止我的输入对象受到该函数的影响。我读过一些关于不可变和可变对象的文章，但是如何更改我的函数。

import pandas as pd
import numpy as np

msg_items = pd.DataFrame({'Column_A': [10,20,30,40,50,60]})

print('Before: ', msg_items.dtypes)

def justdoit(myframe):
    cols = list(myframe)
    myframe[cols] = myframe[cols].applymap(np.str)
    return myframe

testframe = justdoit(msg_items)

print('After: ', msg_items.dtypes)

实际输出：

Before:  Column_A    int64
dtype: object
After:  Column_A    object
dtype: object

预期输出：

Before:  Column_A    int64
dtype: object
After:  Column_A    int64
dtype: object

Answer 1

如果您的目标是在不修改原始数据的情况下将数据帧转换为字符串，那么您做的不对，因为

myframe[cols] = myframe[cols].applymap(np.str)

1. 将结果分配回原始数据帧，因此就地进行更改
2. 不是将列转换为字符串的最流行的方式

进一步，

return myframe

返回 same 对象，您只是将其分配给 新变量。只有一个数据框，但有两种访问方式，通过两个变量！

要将数据框转换为字符串，请使用astype(str) -

def just_do_it(df):
    return df.astype(str)

如果要编辑子集并返回副本，请致电df.copy -

def just_do_it(df, subset):
    df_new = df.copy()
    df_new[subset] = df_new[subset].astype(str)

    return df_new

new_msg_items = just_do_it(msg_items, subset=list(msg_items))

msg_items.dtypes
Column_A    int64
dtype: object

new_msg_items.dtypes
Column_A    object
dtype: object

附带说明，如果您有可变类型的列，您可能需要执行 deepcopy。在这种情况下，使用deep=True 调用copy -

df_new = df.copy(deep=True)

Answer 2

在您的函数中 - 使用 copy.deepcopy(x) 创建一个新对象，然后更改其上的值并返回它。

def justdoit(myframe):
    cols = list(myframe)
    myframe_new = copy.deepcopy(myframe)
    myframe_new [cols] = myframe[cols].applymap(np.str)
    return myframe_new