Pandas - 就地、查看、复制混乱答案

【问题标题】：Pandas - inplace, view, copy confusionPandas - 就地、查看、复制混乱
【发布时间】：2017-05-08 20:24:57
【问题描述】：

我遇到了 Pandas 数据框的问题。似乎 Pandas/Python 在我的代码中的某处生成了 DF 的副本，而不是对原始 DF 进行修改。

在下面的代码中，“update_df”仍然看到带有“file_exists”列的 DF，该列应该已被前面的函数删除。

主要：

if __name__ == '__main__':
    df_main = load_df()
    clean_df2(df_main)
    update_df(df_main, image_path_main)
    .....

clean_df2

def clean_df2(df): #remove non-existing files from DF
    df['file_exists'] = True # add column, set all to True?
    .....
    df = df[df['file_exists'] != False] #Keep only records that exist
    df.drop('file_exists', 1, inplace=True)  # delete the temporary column
    df.reset_index(drop=True, inplace = True)  # reindex if source has gaps

update_df：

def update_df(df, image_path): #add DF rows for files not yet in DF
    print(df)
    ....

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

我想当你这样做时：

df = df[df['file_exists'] != False]

您已创建原始 df 的副本。

要使其正常工作，您可以将函数更改为：

def clean_df2(df): #remove non-existing files from DF
    df['file_exists'] = True # add column, set all to True?
    .....
    return df

当您调用 clean_df2(df) 时，请执行以下操作：

df = clean_df2(df)

【讨论】：

更好的是，将行改为df.drop(df['file_exits'] != False, inplace=True)
这是另一种选择。可以在函数内部轻松制作副本。返回最终的 df 可能是更安全的选择。
我想，但出于内存原因，您通常希望避免复制数据帧。