Règles Pandas pour la génération de vues ou de copies

Pandas utilise des règles spécifiques pour décider si une opération de tranche sur un DataFrame aboutit à une vue ou à un copie. En comprenant ces règles, vous pouvez optimiser la manipulation de vos données et éviter tout comportement inattendu.

En commençant par les opérations qui génèrent toujours des copies :

1. Toutes les opérations, à l'exception de celles spécifiquement conçues pour modifier le DataFrame sur place, créez des copies.
2. Seules certaines opérations prennent en charge le paramètre inplace=True, qui permet aux modifications de se produire directement dans le DataFrame d'origine.

Ensuite, considérons les opérations cela peut entraîner des vues :

3. Un indexeur qui définit des valeurs, telles que .loc, .iloc, .iat et .at, fonctionne sur place, modifiant le DataFrame d'origine sans créer de copie.
4. Un indexeur qui récupère les données d'un objet à type unique crée généralement une vue, à moins que la disposition de la mémoire sous-jacente n'empêche cette optimisation.
5. À l'inverse, un indexeur qui récupère les données d'un objet à types multiples crée toujours une copie.

Concernant vos exemples :

• df.query('2
• df.iloc[3] = 70 et df.ix[1, 'B':'E'] = 222 changent df car ils accèdent à des objets de type unique et définissent des valeurs sur place.
• df[df.C
• Cependant, df[df.C

Pour modifier des valeurs spécifiques en fonction d'une requête, utilisez la syntaxe loc correcte :

df.loc[df.C 
En adhérant à ces règles, vous pouvez comprendre clairement quand Pandas génère des vues ou des copies, garantissant ainsi une manipulation efficace des données dans vos scripts Python.