如何防止原始熊猫数据框在类对象中被引用时更改其值？

Question

这是我对 Python 类的期望。我有一个具有特定值的变量num。类实例x 最初调用它，然后类使用函数add_one 更改其self.num 值。 num 保留其原始值。

class Test_Class:
    def __init__(self, num):
        self.num = num

    def show(self):
        return self.num

    def add_one(self):
        self.num = self.num+1

num = 50
x = Test_Class(num)
x.add_one()
print (x.show())
print (num)

# Output
# 51
# 50

但由于某些奇怪的原因，我对 Pandas 数据框使用了相同的逻辑，但好像obj.df 直接链接到原始df_test，所以当我通过add_new_col 更改obj_df 时，它还更改了df_test。我想要的是df_test 不添加NEW_COL。

df_test = pd.DataFrame({'Col1':[1, 2, 3, 4, 5], 'Col2':[3, 4, 5, 6, 7]})

class Test_Class:
    def __init__(self, df):
        self.df = df

    def add_new_col(self, df, column_name): # this function requires a df as parameter
        df[column_name] = 100

obj = Test_Class(df_test)
obj.add_new_col(obj.df, 'NEW_COL')

print (obj.df)
print (df_test)

# Output
   Col1  Col2  NEW_COL
0     1     3      100
1     2     4      100
2     3     5      100
3     4     6      100
4     5     7      100
   Col1  Col2  NEW_COL
0     1     3      100
1     2     4      100
2     3     5      100
3     4     6      100
4     5     7      100

Answer 1

在您班级的__init__ 方法中，使用self.df = df.copy() 行来启动self.df 作为原始数据帧的副本。如果我们修改你给出的例子，输出如下：

df_test = pd.DataFrame({'Col1':[1, 2, 3, 4, 5], 'Col2':[3, 4, 5, 6, 7]})

class Test_Class:
    def __init__(self, df):
        self.df = df.copy()

    def add_new_col(self, df, column_name): # this function requires a df as parameter
        df[column_name] = 100

obj = Test_Class(df_test)
obj.add_new_col(obj.df, 'NEW_COL')

print (obj.df)
print (df_test)

   Col1  Col2  NEW_COL
0     1     3      100
1     2     4      100
2     3     5      100
3     4     6      100
4     5     7      100

   Col1  Col2
0     1     3
1     2     4
2     3     5
3     4     6
4     5     7