Pandas-Regeln für die Generierung von Ansichten und Kopien

Pandas verwendet bestimmte Regeln, wenn entschieden wird, ob eine Slice-Operation an einem DataFrame zu einer Ansicht oder einer Ansicht führt Kopie. Wenn Sie diese Regeln verstehen, können Sie Ihre Datenmanipulation optimieren und unerwartetes Verhalten vermeiden.

Beginnend mit Vorgängen, die immer Kopien erzeugen:

1. Alle Vorgänge, mit Ausnahme derjenigen, die speziell zum Ändern konzipiert sind Erstellen Sie Kopien des DataFrame vor Ort.
2. Nur bestimmte Vorgänge unterstützen den Parameter inplace=True, der Änderungen direkt im ursprünglichen DataFrame ermöglicht.

Als nächstes betrachten wir Vorgänge Dies kann zu Ansichten führen:

3. Ein Indexer, der Werte wie .loc, .iloc, .iat und .at festlegt, arbeitet direkt und ändert den ursprünglichen DataFrame, ohne eine Kopie zu erstellen.
4. Ein Indexer, der Daten von einem Objekt mit einem einzigen D-Typ abruft, erstellt normalerweise eine Ansicht, es sei denn, das zugrunde liegende Speicherlayout schließt diese Optimierung aus.
5. Umgekehrt ein Indexer, der Daten von einem Objekt mit mehreren D-Typen abruft Erstellt immer eine Kopie.

Bezüglich Ihrer Beispiele:

• df.query('2
• df.iloc[3] = 70 und df.ix[1, 'B':'E'] = 222 ändern df, weil sie auf Objekte mit einem einzigen D-Typ zugreifen und Werte direkt festlegen.
• df[df.C
• Df[df.C

Um bestimmte Werte basierend auf einer Abfrage zu ändern, verwenden Sie die richtige Loc-Syntax:

df.loc[df.C 
Durch die Einhaltung dieser Regeln können Sie ein klares Verständnis davon erlangen, wann Pandas Ansichten oder Kopien generiert, und so eine effiziente Datenbearbeitung in Ihren Python-Skripten gewährleisten.