Pandas 使用什么规则来生成视图和副本？

Question

我对 Pandas 在确定数据框中的选择是原始数据框的副本还是原始数据框的视图时使用的规则感到困惑。

如果我有，例如，

df = pd.DataFrame(np.random.randn(8,8), columns=list('ABCDEFGH'), index=range(1,9))

我知道 query 返回一个副本，以便类似

foo = df.query('2 < index <= 5')
foo.loc[:,'E'] = 40

对原始数据帧df 没有影响。我也明白标量或命名切片返回一个视图，以便对这些进行分配，例如

df.iloc[3] = 70

或

df.ix[1,'B':'E'] = 222

将更改df。但是当涉及到更复杂的情况时，我会迷路。例如，

df[df.C <= df.B] = 7654321

更改df，但是

df[df.C <= df.B].ix[:,'B':'E']

没有。

Pandas 是否有一个我只是缺少的简单规则？在这些特定情况下发生了什么；特别是，如何更改满足特定查询的数据框中的所有值（或值的子集）（正如我在上面的最后一个示例中尝试做的那样）？

---

注意：这和this question不一样；我读过the documentation，但没有被它启发。我还通读了关于这个主题的“相关”问题，但我仍然错过了 Pandas 使用的简单规则，以及我将如何应用它——例如——修改值（或值的子集）在满足特定查询的数据框中。

Answer 1

这是规则，后续覆盖：

• 所有操作都会生成一个副本

• 如果提供了inplace=True，它将就地修改；只有部分操作支持这个

• 设置的索引器，例如.loc/.iloc/.iat/.at 将就地设置。

• 获取单一类型对象的索引器几乎总是一个视图（取决于内存布局，这可能不是这不可靠的原因）。这主要是为了效率。 （上面的示例是针对 .query 的；这将始终返回由 numexpr 评估的副本）

• 获取多类型对象的索引器始终是副本。

chained indexing 的例子

df[df.C <= df.B].loc[:,'B':'E']

不能保证有效（因此您应该永远不要这样做）。

改为：

df.loc[df.C <= df.B, 'B':'E']

因为这是 更快 并且将始终有效

链式索引是 2 个独立的 python 操作，因此不能被 pandas 可靠地拦截（您经常会得到一个SettingWithCopyWarning，但这也不是 100% 可检测到的）。您指出的dev docs 提供了更完整的解释。

Answer 2

这里有一些有趣的事情：

u = df
v = df.loc[:, :]
w = df.iloc[:,:]
z = df.iloc[0:, ]

前三个好像都是df的引用，最后一个不是！