为什么只有 df.to_numpy() 参与计算时数据帧会被更改？答案

【问题标题】：Why the dataframe is altered when only df.to_numpy() is involved in the computation?为什么只有 df.to_numpy() 参与计算时数据帧会被更改？
【发布时间】：2020-06-02 13:53:05
【问题描述】：

import pandas as pd
import numpy as np

url = "https://raw.githubusercontent.com/PawinData/UC/SFBA/DistanceMatrix_shortestnetworks.csv"
Distance_df = pd.read_csv(url, index_col=0)

D = Distance_df.to_numpy()

我有一个数据框 Distance_df 并将其转换为一个 numpy 数组 D 进行计算。随后发生的事情只涉及D，根本不涉及Distance_df。然而，D 和 Distance_df 最后都被改变了（相同的东西）。

虽然我也不知道为什么D 会改变，但最让我困惑的是数据框Distance_df 的行为。 如果它甚至没有出现在代码中，怎么能改变它？ 我感觉这与代码无关，而是在幕后如何处理值和对象。谁能解释一下？

【问题讨论】：

标签： python pandas dataframe object numpy-ndarray

【解决方案1】：

您需要将copy=True 作为参数添加到to_numpy()。

根据DataFrame.to_numpy docs：

copy : bool，默认为 False

是否确保返回值不是另一个数组上的视图。请注意，copy=False 并不能确保 to_numpy() 是无副本的。相反，copy=True 确保制作副本，即使并非绝对必要。

换句话说，写D = Distance_df.to_numpy()可能导致D成为Distance_df的底层numpy数组的引用，而不是复制它们。

写D = Distance_df.to_numpy(copy=True)，确保D和Distance_df是独立的对象。

【讨论】：

非常明确。非常感谢！

【解决方案2】：

尝试获取不被更改的数据帧副本

import pandas as pd
import numpy as np

url="https://raw.githubusercontent.com/PawinData/UC/SFBA/DistanceMatrix_shortestnetworks.csv"

Distance_df = pd.read_csv(url, index_col=0)

df=Distance_df.copy()

D = df.to_numpy()

【讨论】：

【解决方案3】：

D = Distance_df.to_numpy()

现在运行 D is Distance_df 返回 True。两个变量都指向同一个对象。

但是，如果您执行D = Distance_df.copy().to_numpy()，D is Distance_df 将返回False。它们现在是不同的对象。

这就是 Python 处理变量引用的方式。

【讨论】：

谢谢！我现在对变量引用很警惕。