python - Pandas 数据框和字典的深度复制

Question

我正在创建一个小型 Pandas 数据框:

df = pd.DataFrame(data={'colA': [["a", "b", "c"]]})

我对该 df 进行了深度复制。我没有使用 Pandas 方法，而是使用通用 Python，对吧？

import copy
df_copy = copy.deepcopy(df)

df_copy.head() 给出以下内容:

然后我将这些值放入字典中:

mydict = df_copy.to_dict()

该字典看起来像这样:

最后，我删除列表中的一项:

mydict['colA'][0].remove("b")

令我惊讶的是 df_copy 中的值已更新。我非常困惑原始数据框中的值也更新了!两个数据框现在看起来都是这样的:

我知道 Pandas 并没有真正进行深度复制，但这不是 Pandas 方法。我的问题是:

1)如何从不更新数据帧的数据帧构建字典？

2)如何获取完全独立的数据帧的副本？

感谢您的帮助!

干杯， 尼古拉斯

Answer 1

免责声明

<小时/>

请注意 putting mutable objects inside a DataFrame can be an antipattern因此，请确保您确实需要它并且您了解自己在做什么。

为什么你的文案不独立

<小时/>

应用于对象时，copy.deepcopy 为 looked up for a _deepcopy_ method of that object, that is called in turn 。添加它是为了避免复制太多对象。对于 DataFrame 实例 in version 0.20.0 and above - _deepcopy_ doesn`t work recursively .

同样，如果您将使用DataFrame.copy(deep=True) deep copy will copy the data, but will not do so recursively. 。

如何解决问题

<小时/>

要获取包含列表(或其他 python 对象)的 DataFrame 的真正深拷贝，使其独立 - 您可以使用以下方法之一。

df_copy = pd.DataFrame(columns = df.columns, data = copy.deepcopy(df.values))

对于字典，您可以使用相同的技巧:

mydict = pd.DataFrame(columns = df.columns, data = copy.deepcopy(df_copy.values)).to_dict()
mydict['colA'][0].remove("b")

There's also a standard hacky way of deep-copying python objects:

import pickle
df_copy = pickle.loads(pickle.dumps(df))  

如果需要，请随时要求任何澄清。