Pandas使用什么规则来生成视图和副本？

Question

我对Pandas在决定数据帧中的选择是原始数据帧的副本还是原始数据的视图时使用的规则感到困惑.

如果我有,例如,

df = pd.DataFrame(np.random.randn(8,8), columns=list('ABCDEFGH'), index=range(1,9))

我明白a query返回一个副本,就像这样

foo = df.query('2 < index <= 5')
foo.loc[:,'E'] = 40

对原始数据帧没有影响df.我也理解标量或命名切片返回一个视图,以便分配给这些,例如

df.iloc[3] = 70

要么

df.ix[1,'B':'E'] = 222

会改变df.但是当谈到更复杂的案件时,我迷失了方向.例如,

df[df.C <= df.B]  = 7654321

变化df,但是

df[df.C <= df.B].ix[:,'B':'E']

才不是.

是否有一个简单的规则,熊猫正在使用,我只是缺少？在这些特定情况下发生了什么; 特别是,如何更改满足特定查询的数据帧中的所有值(或值的子集)(正如我在上一个示例中尝试做的那样)？

---

注意:这与此问题不同 ; 我已经阅读了文档,但没有得到它的启发.我还阅读了关于这个主题的"相关"问题,但我仍然缺少Pandas正在使用的简单规则,以及我如何应用它 - 例如 - 修改值(或值的子集)在满足特定查询的数据框中.

Answer 1

这是规则,后续覆盖:

• 所有操作都会生成副本

• 如果inplace=True提供,它将就地修改; 只有一些操作支持这一点

• 设置的索引器,例如.loc/.iloc/.iat/.at将设置到位.

• 获取单个dtyped对象的索引器几乎总是一个视图(取决于内存布局,它可能不是这就是为什么这不可靠).这主要是为了提高效率.(上面的示例是for .query;这将始终返回一个副本作为其评估者numexpr)

• 获取多重对象对象的索引器始终是副本.

你的榜样 chained indexing

df[df.C <= df.B].loc[:,'B':'E']

不能保证工作(因此你绝不会这样做).

相反:

df.loc[df.C <= df.B, 'B':'E']

因为这更快,并将始终有效

链式索引是2个独立的python操作,因此不能被pandas可靠地拦截(你经常会得到一个SettingWithCopyWarning,但这也不是100%可检测的).您指出的开发文档提供了更全面的解释.