python 浅拷贝 深拷贝 Dataframe

一、前言

   写程序写的多了，会经常发现很多写法的随意和不正规。比如，a=[1,2] ;b=a;
随后对a的操作是否会给b造成同样的影响呢?(反过来也一样)。说的官方点的话，就是我们用b=a 这样赋值，到底是在引用还是在复制。

二、理论部分

2.1、赋值、引用

在python中赋值语句总是建立对象的引用值，而不是复制对象。因此，python变量更像是指针，而不是数据存储区域。

• 2.1.1 先用个例子，来看

a=[1,2,3]
b=a
a[0]=2
print(a)
print(b)

两个输出的结果都是[2,2,3]
就是说在简单b=a 操作之后，一个对象中赋值的操作也会对另一个引起影响。这其实是引用而不是复制。

• 2.2 可变对象&不可变对象
  在Python中，对象分为两种：可变对象和不可变对象，不可变对象包括int，float，long，str，tuple等，可变对象包括list，set，dict等。需要注意的是：这里说的不可变指的是值的不可变。对于不可变类型的变量，如果要更改变量，则会创建一个新值，把变量绑定到新值上，而旧值如果没有被引用就等待垃圾回收。另外，不可变的类型可以计算hash值，作为字典的key。可变类型数据对对象操作的时候，不需要再在其他地方申请内存，只需要在此对象后面连续申请(+/-)即可，也就是它的内存地址会保持不变，但区域会变长或者变短。
  说成人话，就是在python里面实打实的数才会占地方（内存），比较高级点的对象都是在引用这些地方的位置（指针）

举个简单例子

举个例子.png

举个函数的例子

函数例子.png

对于上面的输出，不少Python初学者都比较疑惑：第一个例子看起来像是传值，而第二个例子确实传引用。其实，解释这个问题也非常容易，主要是因为可变对象和不可变对象的原因：对于可变对象，对象的操作不会重建对象，而对于不可变对象，每一次操作就重建新的对象。

三、重要应用

3.1、深拷贝deepcopy与浅拷贝copy（python）

python中的对象之间赋值时是按引用传送的，如果需要拷贝对象，需要使用标准库中的copy模块

1、copy.copy 浅拷贝，只拷贝父对象，不会拷贝对象的内部的子对象。（子对象（数组）修改，也会修改）

2、copy.deepcopy 深拷贝，拷贝对象及其子对象（原始对象）

import copy
a=[1,2,[3,4],{'a':1}]   # 原始对象
b=a     # 赋值，传对象的引用
c=copy.copy(a)  # 对象拷贝，浅拷贝
d=copy.deepcopy(a)  # 对象拷贝，深拷贝
e=a[:]  # 能复制序列，浅拷贝
 
a.append('add1')　　# 修改对象a
a[2].append('add2')　　# 修改对象a中的[3,4]数组对象
a[3]='666'
print('a:',a)
print('b:',b)
print('c:',c)
print('d:',d)

结果.png

3.2、深拷贝deepcopy与浅拷贝copy（dataframe）

DataFrame.copy(deep=True)

复制此对象的索引和数据。

当deep=True（默认）时，将使用调用对象的数据和索引的副本创建新对象。对副本的数据或索引的修改不会反映在原始对象中（请参阅下面的注释）。

当deep=False，将创建一个新对象而不复制调用对象的数据或索引（仅复制对数据和索引的引用）。对原始数据的任何更改都将反映在浅层副本中（反之亦然）。

	类型	备注
参数	deep ,bool，默认为True	创建深层副本，包括数据和索引的副本。随着deep=False无论是指数还是数据复制。
返回	Series，DataFrame	对象类型与调用者匹配。

>>> s = pd.Series([1, 2], index=["a", "b"])
>>> s
a    1
b    2
dtype: int64
>>> s_copy = s.copy()
>>> s_copy
a    1
b    2
dtype: int64

参考文献

1、python 部分
2、Dataframe 拷贝