我在尝试确定数据框 View 的某些属性时遇到了这个问题。
假设我有一个数据框定义为:df = pd.DataFrame(columns=list('abc'), data=np.arange(18).reshape(6, 3))
和此数据帧的 View 定义为:df1 = df.iloc[:3, :]
。我们现在有两个数据框如下:
print(df)
a b c
0 0 1 2
1 3 4 5
2 6 7 8
3 9 10 11
4 12 13 14
5 15 16 17
print(df1)
a b c
0 0 1 2
1 3 4 5
2 6 7 8
现在我想输出这两个数据帧的特定单元格的 id:
print(id(df.loc[0, 'a']))
print(id(df1.loc[0, 'a']))
我的输出是:
140114943491408
140114943491408
奇怪的是,如果我连续执行这两行“print id”代码,id 也会改变:
140114943491480
140114943491480
我必须强调的是,我在执行那两个'print id'代码时并没有执行'df definition'代码,所以df和df1没有被重新定义。那么在我看来,数据帧中每个元素的内存地址应该是固定的,那么输出怎么会变化呢?
当我继续执行这两行“print id”代码时,会发生更奇怪的事情。在极少数情况下,这两个 id 甚至不相等:
140114943181088
140114943181112
但是如果我同时执行id(df.loc[0, 'a']) == id(df1.loc[0, 'a'])
,python还是会输出真
。我知道因为 df1 是 df 的 View ,所以它们的单元格应该共享一个内存,但是它们的 id 的输出为什么偶尔会不同?
那些奇怪的行为让我完全不知所措。谁能解释这些行为?它们是由于数据框的特性还是python中的id函数?谢谢!
仅供引用,我使用的是 Python 3.5.2
。
最佳答案
您没有获取“单元格”的 ID,您获取的是 .loc
访问器返回的对象的 id
,它是基础数据。
所以,
>>> import pandas as pd
>>> df = pd.DataFrame(columns=list('abc'), data=np.arange(18).reshape(6, 3))
>>> df1 = df.iloc[:3, :]
>>> df.dtypes
a int64
b int64
c int64
dtype: object
>>> df1.dtypes
a int64
b int64
c int64
dtype: object
但由于 Python 中的一切 都是对象,您的loc
方法必须返回一个对象:
>>> x = df.loc[0, 'a']
>>> x
0
>>> type(x)
<class 'numpy.int64'>
>>> isinstance(x, object)
True
但是,实际的底层缓冲区是 C 固定大小的 64 位带符号整数的原始数组。它们不是 Python 对象,它们被“装箱”以借用其他语言的术语,将原始类型与对象混合。
现在,您看到的所有对象都具有相同 id
的现象:
>>> id(df.loc[0, 'a']), id(df.loc[0, 'a'])
(4539673432, 4539673432)
>>> id(df.loc[0, 'a']), id(df.loc[0, 'a']), id(df1.loc[0,'a'])
(4539673432, 4539673432, 4539673432)
发生是因为在 Python 中,对象可以自由地重复使用最近回收对象的内存地址。实际上,当您创建 id
的元组时,loc
返回的对象只存在足够长的时间,以便通过 id< 的第一次调用进行传递和处理
,第二次使用 loc
时,已经释放的对象只是重新使用相同的内存。您可以在任何 Python 对象中看到相同的行为,例如 list
:
>>> id([]), id([])
(4545276872, 4545276872)
从根本上说,id
只能保证在对象的生命周期 内是唯一的。阅读有关此现象的更多信息 here .但是,请注意,在以下情况下,它总是不同的:
>>> x = df.loc[0, 'a']
>>> x2 = df.loc[0, 'a']
>>> id(x), id(x2)
(4539673432, 4539673408)
由于您维护引用,对象不会被回收,并且需要新的内存。
请注意,对于许多不可变对象(immutable对象),解释器可以自由优化并返回<em>完全相同的对象。在 CPython 中,“小整数”即所谓的小整数缓存就是这种情况:
>>> x = 2
>>> y = 2
>>> id(x), id(y)
(4304820368, 4304820368)
但这是不应依赖的实现细节。
如果您想向自己证明您的数据帧共享相同的底层缓冲区,只需改变它们,您就会看到相同的变化反射(reflect)在各个 View 中:
>>> df
a b c
0 0 1 2
1 3 4 5
2 6 7 8
3 9 10 11
4 12 13 14
5 15 16 17
>>> df1
a b c
0 0 1 2
1 3 4 5
2 6 7 8
>>> df.loc[0, 'a'] = 99
>>> df
a b c
0 99 1 2
1 3 4 5
2 6 7 8
3 9 10 11
4 12 13 14
5 15 16 17
>>> df1
a b c
0 99 1 2
1 3 4 5
2 6 7 8
关于python - 为什么 pandas dataframe 单元格的 id 会随着每次执行而变化?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50441576/