DataFrame.values 中的更改是否总是会修改数据框中的值？

Question

在文档上，它说

NDFrame 的 Numpy 表示 -- Source

“NDFrame 的 Numpy 表示”是什么意思？修改这个 numpy 表示会影响我的原始数据框吗？换句话说，.values 会返回副本还是视图？

StackOverflow 中有问题的答案隐式建议（依赖）返回视图。例如，在Set values on the diagonal of pandas.DataFrame 接受的答案中，np.fill_diagonal(df.values, 0) 用于将df 的对角线部分的所有值设置为0。即在这种情况下返回一个视图。但是，如@coldspeed's answer 所示，有时会返回一个副本。

这感觉很基础。这对我来说有点奇怪，因为我没有更详细的.values 来源。

---

除了@coldspeed 的答案中的当前实验之外，另一个返回视图的实验：

df = pd.DataFrame([["A", "B"],["C", "D"]])

df.values[0][0] = 0

我们得到

df
    0   1
0   0   B
1   C   D

虽然现在是混合类型，但我们仍然可以通过设置df.values来修改原来的df

df.values[0][1] = 5
df
    0   1
0   0   5
1   C   D

Answer 1

TL;DR:

如果返回副本（然后更改值不会改变DataFrame）或values返回视图（然后更改值会更改 DataFrame）。不要依赖任何这些情况。如果 pandas 开发人员认为它是有益的，它可能会改变（例如，如果他们改变了 DataFrame 的内部结构）。

---

我猜自提出问题以来文档已更改，目前显示为：

pandas.DataFrame.values

返回 DataFrame 的 Numpy 表示。

仅返回 DataFrame 中的值，轴标签将被移除。

它不再提及NDFrame - 而只是提及“DataFrame 的 NumPy 表示”。 NumPy 表示可以是视图或副本！

文档还包含一个关于混合数据类型的Note：

注意事项

dtype 将是较低公分母的 dtype（隐式向上转换）；也就是说，如果混合了 dtypes（甚至是数字类型），则将选择容纳所有类型的数据类型。如果您不处理积木，请谨慎使用。

例如如果 dtype 是 float16 和 float32，则 dtype 将向上转换为 float32。如果 dtype 是 int32 和 uint8，则 dtype 将向上转换为 int32。按照numpy.find_common_type() 约定，混合int64 和uint64 将产生float64 dtype。

从这些注释中可以明显看出，访问包含不同 dtype 的 DataFrame 的 values 可以（几乎）永远返回视图。仅仅是因为它需要将值放入“最低公分母”dtype 的数组中，并且涉及到副本。

但是它没有说明视图/复制行为，这是设计使然。 jreback 在 pandas 问题跟踪器 ¹ 中提到这实际上只是一个实现细节：

这是一个实现细节。由于您获得的是单个 dtyped numpy 数组，因此它被向上转换为兼容的 dtype。如果你有混合 dtypes，那么你几乎总是会有一个副本（例外是混合浮点 dtypes 不会复制我认为），但这是一个 numpy 细节。

我同意这不是很好，但它从一开始就存在，并且在当前的 pandas 中不会改变。如果导出到 numpy，你需要小心。

即使Series 的文档也没有提及视图：

pandas.Series.values

根据 dtype 以 ndarray 或类似 ndarray 的形式返回 Series

它甚至提到它甚至可能不会返回一个普通数组，具体取决于 dtype。这当然包括它返回副本的可能性（即使只是假设）。它不保证您能看到。

---

.values 何时返回视图，何时返回副本？

答案很简单：这是一个实现细节，只要是一个实现细节，就不会有任何保证。它是一个实现细节的原因是因为 pandas 开发人员希望确保他们可以根据需要更改内部存储。 但是在某些情况下，创建视图是不可能的。例如，使用包含不同 dtype 列的 DataFrame。

如果您分析迄今为止的行为，可能会有好处。但只要这是一个实现细节，无论如何你都不应该真正依赖它。

但是，如果您有兴趣：Pandas 当前在内部存储具有与多维数组相同的 dtype 的列。这样做的好处是您可以非常有效地对行和列进行操作（至少只要它们具有相同的 dtype）。但是如果 DataFrame 包含混合类型，它将有几个内部多维数组。每个 dtype 一个。无法创建指向两个不同数组的视图（至少对于 NumPy），因此当您混合 dtype 时，您将在需要 values 时获得副本。

---

旁注，你的例子：

df = pd.DataFrame([["A", "B"],["C", "D"]])

df.values[0][0] = 0

不是混合数据类型。它有一个特定的 dtype：object。但是object 数组可以包含任何 Python 对象，所以我明白你为什么会说/假设它是混合类型的。

---

个人笔记：

就我个人而言，我更希望values 属性仅在它无法返回视图时才返回视图或错误，以及仅返回副本的附加方法（例如as_array），即使有可能获得看法。这肯定会使行为更可预测，并避免一些意外，例如让属性进行昂贵的复制肯定是出乎意料的。

---

¹这个问题已经在issue post中提到了，所以文档可能因为这个问题而改变了。

Answer 2

让我们测试一下。

首先，使用pd.Series 对象。

In [750]: s = pd.Series([1, 2, 3])

In [751]: v = s.values

In [752]: v[0] = 10000

In [753]: s
Out[753]: 
0    10000
1        2
2        3
dtype: int64

现在，对于 DataFrame 对象。一、考虑非混合dtypes——

In [780]: df = pd.DataFrame(1 - np.eye(3, dtype=int))

In [781]: df
Out[781]: 
   0  1  2
0  0  1  1
1  1  0  1
2  1  1  0

In [782]: v = df.values

In [783]: v[0] = 12345

In [784]: df
Out[784]: 
       0      1      2
0  12345  12345  12345
1      1      0      1
2      1      1      0

进行了修改，这意味着.values 返回了一个视图。

现在，考虑一个混合 dtypes 的场景 -

In [755]: df = pd.DataFrame({'A' :[1, 2], 'B' : ['ccc', 'ddd']})

In [756]: df
Out[756]: 
   A    B
0  1  ccc
1  2  ddd

In [757]: v = df.values

In [758]: v[0] = 123

In [759]: v[0, 1] = 'zzxxx'

In [760]: df
Out[760]: 
   A    B
0  1  ccc
1  2  ddd

这里，.values 返回一个副本。

---

观察

.values 对于 Series 返回一个视图，而不管每一行的 dtypes，而对于 DataFrames 这取决于。对于同质 dtype，返回一个视图。否则，复制一份。