Pandas2.2 DataFrame

Conversion

方法	描述
DataFrame.astype(dtype[, copy, errors])	用于將 DataFrame 中的數據轉換為指定的數據類型
DataFrame.convert_dtypes([infer_objects, …])	用于將 DataFrame 中的數據類型轉換為更合適的類型
DataFrame.infer_objects([copy])	用于嘗試將 DataFrame 中的 object 類型的列轉換為更具體的類型（如 int64、float64 或 boolean）
DataFrame.copy([deep])	用于創建 DataFrame 的副本

pandas.DataFrame.copy

pandas.DataFrame.copy 是一個方法，用于創建 DataFrame 的副本。這個方法可以用于創建淺拷貝或深拷貝，具體取決于 deep 參數的設置。

方法簽名

DataFrame.copy(deep=True)

參數說明

• deep: 布爾值，默認為 True，表示是否進行深拷貝。如果設置為 True，則返回一個深拷貝；如果設置為 False，則返回一個淺拷貝。

返回值

• 返回一個新的 DataFrame，該 DataFrame 是原 DataFrame 的副本。

示例

假設有一個 DataFrame 如下：

import pandas as pddata = {'A': [1, 2, 3],'B': [1.1, 2.2, 3.3],'C': ['x', 'y', 'z']
}df = pd.DataFrame(data)
print("原始 DataFrame:")
print(df)
print("\n數據類型:")
print(df.dtypes)

輸出:

原始 DataFrame:A    B  C
0  1  1.1  x
1  2  2.2  y
2  3  3.3  z數據類型:
A      int64
B    float64
C     object
dtype: object

示例1：創建深拷貝

df_deep_copy = df.copy(deep=True)
print("深拷貝后的 DataFrame:")
print(df_deep_copy)
print("\n數據類型:")
print(df_deep_copy.dtypes)

結果:

深拷貝后的 DataFrame:A    B  C
0  1  1.1  x
1  2  2.2  y
2  3  3.3  z數據類型:
A      int64
B    float64
C     object
dtype: object

示例2：創建淺拷貝

df_shallow_copy = df.copy(deep=False)
print("淺拷貝后的 DataFrame:")
print(df_shallow_copy)
print("\n數據類型:")
print(df_shallow_copy.dtypes)

結果:

淺拷貝后的 DataFrame:A    B  C
0  1  1.1  x
1  2  2.2  y
2  3  3.3  z數據類型:
A      int64
B    float64
C     object
dtype: object

示例3：修改深拷貝對原 DataFrame 的影響

df_deep_copy['A'][0] = 100
print("修改深拷貝后的 DataFrame:")
print(df_deep_copy)
print("\n原始 DataFrame:")
print(df)

結果:

修改深拷貝后的 DataFrame:A    B  C
0  100  1.1  x
1    2  2.2  y
2    3  3.3  z原始 DataFrame:A    B  C
0  1  1.1  x
1  2  2.2  y
2  3  3.3  z

示例4：修改淺拷貝對原 DataFrame 的影響

df_shallow_copy['A'][0] = 200
print("修改淺拷貝后的 DataFrame:")
print(df_shallow_copy)
print("\n原始 DataFrame:")
print(df)

結果:

修改淺拷貝后的 DataFrame:A    B  C
0  200  1.1  x
1    2  2.2  y
2    3  3.3  z原始 DataFrame:A    B  C
0  200  1.1  x
1    2  2.2  y
2    3  3.3  z

通過這些示例，可以看到 pandas.DataFrame.copy 方法如何創建 DataFrame 的副本，并且深拷貝和淺拷貝在修改時對原 DataFrame 的影響不同。

注意事項

• copy 方法可以創建 DataFrame 的副本。
• 設置 deep=True 返回一個深拷貝，這意味著副本和原 DataFrame 完全獨立，修改副本不會影響原 DataFrame。
• 設置 deep=False 返回一個淺拷貝，這意味著副本和原 DataFrame 共享數據，修改副本可能會影響原 DataFrame。
• 深拷貝適用于需要完全獨立副本的場景，而淺拷貝適用于不需要完全獨立副本且希望節省內存的場景。

示例代碼及驗證

為了驗證 pandas.DataFrame.copy 方法的效果，可以運行上述示例代碼并查看輸出結果。

import pandas as pd# 創建一個示例 DataFrame
data = {'A': [1, 2, 3],'B': [1.1, 2.2, 3.3],'C': ['x', 'y', 'z']
}df = pd.DataFrame(data)
print("原始 DataFrame:")
print(df)
print("\n數據類型:")
print(df.dtypes)# 創建深拷貝
df_deep_copy = df.copy(deep=True)
print("\n深拷貝后的 DataFrame:")
print(df_deep_copy)
print("\n數據類型:")
print(df_deep_copy.dtypes)# 創建淺拷貝
df_shallow_copy = df.copy(deep=False)
print("\n淺拷貝后的 DataFrame:")
print(df_shallow_copy)
print("\n數據類型:")
print(df_shallow_copy.dtypes)# 修改深拷貝對原 DataFrame 的影響
df_deep_copy['A'][0] = 100
print("\n修改深拷貝后的 DataFrame:")
print(df_deep_copy)
print("\n原始 DataFrame:")
print(df)# 修改淺拷貝對原 DataFrame 的影響
df_shallow_copy['A'][0] = 200
print("\n修改淺拷貝后的 DataFrame:")
print(df_shallow_copy)
print("\n原始 DataFrame:")
print(df)

運行結果

運行上述代碼后，你會看到以下輸出：

原始 DataFrame:A    B  C
0  1  1.1  x
1  2  2.2  y
2  3  3.3  z數據類型:
A      int64
B    float64
C     object
dtype: object深拷貝后的 DataFrame:A    B  C
0  1  1.1  x
1  2  2.2  y
2  3  3.3  z數據類型:
A      int64
B    float64
C     object
dtype: object淺拷貝后的 DataFrame:A    B  C
0  1  1.1  x
1  2  2.2  y
2  3  3.3  z數據類型:
A      int64
B    float64
C     object
dtype: object修改深拷貝后的 DataFrame:A    B  C
0  100  1.1  x
1    2  2.2  y
2    3  3.3  z原始 DataFrame:A    B  C
0  1  1.1  x
1  2  2.2  y
2  3  3.3  z修改淺拷貝后的 DataFrame:A    B  C
0  200  1.1  x
1    2  2.2  y
2    3  3.3  z原始 DataFrame:A    B  C
0  200  1.1  x
1    2  2.2  y
2    3  3.3  z

通過這些示例，可以看到 pandas.DataFrame.copy 方法如何創建 DataFrame 的副本，并且深拷貝和淺拷貝在修改時對原 DataFrame 的影響不同。