Pandas 数据框和字典的深度复制
Nic*_*las 6 python dictionary copy pandas
我正在创建一个小型 Pandas 数据框：
df = pd.DataFrame(data={'colA': [["a", "b", "c"]]})
我对该 df 进行了深度复制。我没有使用 Pandas 方法，而是使用通用 Python，对吧？
import copy
df_copy = copy.deepcopy(df)
df_copy.head() 给出以下内容：
然后我将这些值放入字典中：
mydict = df_copy.to_dict()
该字典看起来像这样：
最后，我删除列表中的一项：
mydict['colA'][0].remove("b")
我很惊讶 df_copy 中的值已更新。我很困惑原始数据框中的值也被更新了！两个数据框现在看起来都是这样的：
我知道 Pandas 并没有真正进行深度复制，但这不是 Pandas 方法。我的问题是：
1）如何从不更新数据帧的数据帧构建字典？
2）如何获取完全独立的数据帧的副本？
感谢您的帮助！
干杯，尼古拉斯
Sta*_*luk 12
总长DR
要获得深度复制：
df_copy = pd.DataFrame(columns = df.columns, data = copy.deepcopy(df.values))
免责声明
请注意，将可变对象放入 DataFrame 中可能是一种反模式，因此请确保您确实需要它并且了解您在做什么。
为什么你的副本不独立
当应用于对象时，会查找 copy.deepcopy 来查找该对象的 _ deepcopy _ 方法，并依次调用该方法。添加它是为了避免复制太多对象。对于版本 0.20.0 及更高版本的 DataFrame 实例 - _ deepcopy _ 不能递归工作。
同样，如果您将使用DataFrame.copy(deep=True) 深复制，则会复制数据，但不会递归地执行此操作。。
如何解决问题
要获取包含列表（或其他 python 对象）的 DataFrame 的真正深层副本，以便它是独立的 - 您可以使用以下方法之一。
df_copy = pd.DataFrame(columns = df.columns, data = copy.deepcopy(df.values))
对于字典，您可以使用相同的技巧：
mydict = pd.DataFrame(columns = df.columns, data = copy.deepcopy(df_copy.values)).to_dict()
mydict['colA'][0].remove("b")
还有一种深度复制 python 对象的标准 hacky 方法：
import pickle
df_copy = pickle.loads(pickle.dumps(df))
如果需要，请随时要求任何澄清。