Панды: субиндексирующие данные: копирование и просмотр
Скажем, у меня есть фрейм данных
import pandas as pd import numpy as np foo = pd.DataFrame(np.random.random((10,5))) и я создаю еще один фрейм данных из подмножества моих данных:
- Как изменить тип данных фрейма данных pandas на строку с определенным форматом?
- Python Pandas - как развернуть сводную таблицу с двумя значениями, каждое значение становится новым столбцом?
- pandas DataFrame.to_string () усекающие строки из столбцов
- конвертировать полный панда данных в целые числа в пандах (0.17.0)
- Построение категориальных данных с помощью pandas и matplotlib
bar = foo.iloc[3:5,1:4]
ли bar содержит копию этих элементов из foo ? Есть ли способ создать view этих данных? Если да, то что произойдет, если я попытаюсь изменить данные в этом представлении? Предоставляет ли Pandas какой-либо механизм копирования на запись ?
- Непредсказуемое поведение назначения среза pandas без настройкиWithCopyWarning
- Вывод разницы в двух кадрах данных Pandas бок о бок - выделение разницы
- Извлечь первую и последнюю строку данных в пандах
- создать биграмм из столбца в pandas df
- Как читать несколько файлов и объединять их в один кадр данных pandas?
- В Pandas Как отсортировать один уровень мультииндекса на основе значений столбца, сохраняя при этом группировку другого уровня
- Удалить столбец в пандах, если это все нули
- Множественные разделители в заголовках столбцов также разделяют значения строк
One Solution collect form web for “Панды: субиндексирующие данные: копирование и просмотр”
Ваш ответ лежит в документах pandas: return-a-view-versus-a-copy .
Всякий раз, когда в операции индексирования задействуется массив меток или булев вектор, результатом будет копия . При индексировании и нарезке одной метки / скаляра, например df.ix [3: 6] или df.ix [:, 'A'], будет возвращено представление .
В вашем примере bar представляет собой вид фрагментов foo . Если вы хотите получить копию , вы могли бы использовать метод copy . Модифицирующая bar также изменяет foo . У pandas нет механизма копирования на запись.
См. Мой пример кода ниже, чтобы проиллюстрировать:
In [1]: import pandas as pd ...: import numpy as np ...: foo = pd.DataFrame(np.random.random((10,5))) ...: In [2]: pd.__version__ Out[2]: '0.12.0.dev-35312e4' In [3]: np.__version__ Out[3]: '1.7.1' In [4]: # DataFrame has copy method ...: foo_copy = foo.copy() In [5]: bar = foo.iloc[3:5,1:4] In [6]: bar == foo.iloc[3:5,1:4] == foo_copy.iloc[3:5,1:4] Out[6]: 1 2 3 3 True True True 4 True True True In [7]: # Changing the view ...: bar.ix[3,1] = 5 In [8]: # View and DataFrame still equal ...: bar == foo.iloc[3:5,1:4] Out[8]: 1 2 3 3 True True True 4 True True True In [9]: # It is now different from a copy of original ...: bar == foo_copy.iloc[3:5,1:4] Out[9]: 1 2 3 3 False True True 4 True True True