這篇文章主要介紹了對python pandas中 inplace 參數的理解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

pandas 中 inplace 參數在很多函數中都會有，它的作用是：是否在原對象基礎上進行修改

inplace = True：不創建新的對象，直接對原始對象進行修改；

inplace = False：對數據進行修改，創建并返回新的對象承載其修改結果。

默認是False，即創建新的對象進行修改，原對象不變，和深復制和淺復制有些類似。

例：

inplace=True情況：

import pandas as pd

import numpy as np

df=pd.DataFrame(np.random.randn(4,3),columns=["A","B","C"])

data=df.drop(["A"],axis=1,inplace=True)

print(df)

print(data)

>>

B C

0 0.472730 -0.626685

1 0.065358 0.031326

2 -0.318582 1.123308

3 -0.097687 0.018820

None

inplace=False情況：

df=pd.DataFrame(np.random.randn(4,3),columns=["A","B","C"])

data=df.drop(["A"],axis=1,inplace=False)

print(df)

print(data)

>>

A B C

0 -0.731578 0.226483 0.986656

1 0.075936 1.622889 1.767967

2 -1.477780 -0.164374 -1.025555

3 -0.645208 -0.847264 -0.744622

B C

0 0.226483 0.986656

1 1.622889 1.767967

2 -0.164374 -1.025555

3 -0.847264 -0.744622

另外，要注意的是，inplace的取值只有False和True，如給定0或1，會報如下錯誤：

ValueError: For argument "inplace" expected type bool, received type int.

補充知識：pandas.DataFrame.drop_duplicates后面inplace=True與inplace=False的區別

drop_duplicates(inplace=True)是直接對原dataFrame進行操作。

如:

t.drop_duplicates(inplace=True) 則，對t中重復將被去除。

drop_duplicates(inplace=False)將不改變原來的dataFrame，而將結果生成在一個新的dataFrame中。

如：

s = t.drop_duplicates(inplace=False) 則，t的內容不發生改變，s的內容是去除重復后的內容

以上這篇對python pandas中 inplace 參數的理解就是小編分享給大家的全部內容了，希望能給大家一個參考。