从父数据帧中选择子数据帧时，我注意到一些程序员使用.copy() 方法复制数据帧。例如，
X = my_dataframe[features_list].copy()
...而不仅仅是
X = my_dataframe[features_list]
他们为什么要复制数据框？如果我不制作副本会怎样？
【问题讨论】：
标签： python pandas chained-assignment
Pandas Deep copy 保持初始 DataFrame 不变。
当您想要规范化 DataFrame 并希望保持初始 df 不变时，此功能特别有用。 例如：
df = pd.DataFrame(np.arange(20).reshape(2,10))
然后你规范化数据：
# Using Sklearn MinMaxSacaler method
scaler = preprocessing.MinMaxScaler()
然后你根据第一个创建一个新的 df 并希望第一个保持不变， 你必须使用 .copy() 方法
new_df = pd.DataFrame(df).copy() # Deep Copy
for i in range(10):
pd_features[i] = scaler.fit_transform(unnormal_pd_features[i].values.reshape(-1,1))
否则你原来的df也会改变。
【讨论】：
假设您有如下数据框
df1
A B C D
4 -1.0 -1.0 -1.0 -1.0
5 -1.0 -1.0 -1.0 -1.0
6 -1.0 -1.0 -1.0 -1.0
6 -1.0 -1.0 -1.0 -1.0
当您想创建另一个与df1 相同的df2 时，不带copy
df2=df1
df2
A B C D
4 -1.0 -1.0 -1.0 -1.0
5 -1.0 -1.0 -1.0 -1.0
6 -1.0 -1.0 -1.0 -1.0
6 -1.0 -1.0 -1.0 -1.0
并且只想修改df2值如下
df2.iloc[0,0]='changed'
df2
A B C D
4 changed -1.0 -1.0 -1.0
5 -1 -1.0 -1.0 -1.0
6 -1 -1.0 -1.0 -1.0
6 -1 -1.0 -1.0 -1.0
同时df1也发生了变化
df1
A B C D
4 changed -1.0 -1.0 -1.0
5 -1 -1.0 -1.0 -1.0
6 -1 -1.0 -1.0 -1.0
6 -1 -1.0 -1.0 -1.0
由于两个df同一个object，我们可以使用id来检查
id(df1)
140367679979600
id(df2)
140367679979600
所以它们作为同一个对象，一个改变另一个也将传递相同的值。
如果我们添加copy，现在df1 和df2 被视为不同的object，如果我们对其中一个进行相同的更改，另一个不会更改。
df2=df1.copy()
id(df1)
140367679979600
id(df2)
140367674641232
df1.iloc[0,0]='changedback'
df2
A B C D
4 changed -1.0 -1.0 -1.0
5 -1 -1.0 -1.0 -1.0
6 -1 -1.0 -1.0 -1.0
6 -1 -1.0 -1.0 -1.0
值得一提的是，当您对原始数据框进行子集化时，添加副本也是安全的，以避免SettingWithCopyWarning
【讨论】：
主要目的是避免链式索引并消除SettingWithCopyWarning。
这里的链式索引类似于dfc['A'][0] = 111
文档说在Returning a view versus a copy 中应该避免使用链式索引。以下是该文档中稍作修改的示例：
In [1]: import pandas as pd
In [2]: dfc = pd.DataFrame({'A':['aaa','bbb','ccc'],'B':[1,2,3]})
In [3]: dfc
Out[3]:
A B
0 aaa 1
1 bbb 2
2 ccc 3
In [4]: aColumn = dfc['A']
In [5]: aColumn[0] = 111
SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame
In [6]: dfc
Out[6]:
A B
0 111 1
1 bbb 2
2 ccc 3
这里aColumn 是一个视图，而不是原始DataFrame 的副本，因此修改aColumn 将导致原始dfc 也被修改。接下来，如果我们先索引该行：
In [7]: zero_row = dfc.loc[0]
In [8]: zero_row['A'] = 222
SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame
In [9]: dfc
Out[9]:
A B
0 111 1
1 bbb 2
2 ccc 3
这次zero_row是一个副本，所以原来的dfc没有修改。
从上面这两个例子中，我们看到是否要更改原始 DataFrame 是模棱两可的。如果您编写如下内容，这尤其危险：
In [10]: dfc.loc[0]['A'] = 333
SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame
In [11]: dfc
Out[11]:
A B
0 111 1
1 bbb 2
2 ccc 3
这一次完全没用。这里我们想更改dfc，但我们实际上修改了一个中间值dfc.loc[0]，它是一个副本，并被立即丢弃。很难预测像dfc.loc[0]或dfc['A']这样的中间值是视图还是副本，因此无法保证原始DataFrame是否会更新。这就是为什么应该避免链式索引，pandas 会为这种链式索引更新生成SettingWithCopyWarning。
现在使用.copy()。要消除警告，请制作副本以明确表达您的意图：
In [12]: zero_row_copy = dfc.loc[0].copy()
In [13]: zero_row_copy['A'] = 444 # This time no warning
由于您正在修改副本，因此您知道原始的 dfc 永远不会改变，您也不会期望它会改变。您的期望与行为匹配，然后SettingWithCopyWarning 消失。
注意，如果您确实要修改原始DataFrame，文档建议您使用loc：
In [14]: dfc.loc[0,'A'] = 555
In [15]: dfc
Out[15]:
A B
0 555 1
1 bbb 2
2 ccc 3
【讨论】：
aColumn 的第一个例子让我很惊讶。
一般来说，处理副本比处理原始数据框更安全，除非您知道不再需要原始数据框并希望继续处理经过处理的版本。通常情况下，您仍然可以将原始数据框与操作版本等进行比较。因此，大多数人在最后进行复制和合并。
【讨论】：
有必要提到返回副本或视图取决于索引类型。
熊猫文档说：
返回视图与副本
关于何时返回数据视图的规则完全是 依赖于 NumPy。每当标签数组或布尔向量 参与索引操作，结果将是一个副本。 使用单个标签/标量索引和切片，例如df.ix[3:6] 或 df.ix[:, 'A']，会返回一个视图。
因为如果您不制作副本，那么即使您将 dataFrame 分配给不同的名称，索引仍然可以在其他地方进行操作。
例如：
df2 = df
func1(df2)
func2(df)
func1可以通过修改df2来修改df，所以要避免：
df2 = df.copy()
func1(df2)
func2(df)
【讨论】：
, both variables reference the same DataFrame instance. So any changes made to df` 或df2 将针对同一个对象实例。而在df2 = df.copy() 中创建了第二个对象实例，是第一个对象实例的副本，但现在df 和df2 引用了不同的对象实例，并且将对它们各自的DataFrame 实例进行任何更改。
这扩展了保罗的回答。在 Pandas 中，索引 DataFrame 会返回对初始 DataFrame 的引用。因此，更改子集将更改初始 DataFrame。因此，如果要确保初始 DataFrame 不应该更改，则需要使用副本。考虑以下代码：
df = DataFrame({'x': [1,2]})
df_sub = df[0:1]
df_sub.x = -1
print(df)
你会得到：
x
0 -1
1 2
相比之下，以下保持 df 不变：
df_sub_copy = df[0:1].copy()
df_sub_copy.x = -1
【讨论】：