需要帮助理解变量赋值,指针,...
以下是可重现的。
import pandas as pd
df = pd.DataFrame({
'listData': [
['c', 'f', 'd', 'a', 'e', 'b'],
[5, 2, 1, 4, 3]
]})
df['listDataSort'] = df['listData']
得到:
listData listDataSort
0 [c, f, d, a, e, b] [c, f, d, a, e, b]
1 [5, 2, 1, 4, 3] [5, 2, 1, 4, 3]
如果我只想对listDataSort
列中的列表进行排序,我可能会尝试:
df['listDataSort'].apply(lambda l: l.sort())
df
但是,它会就地对两列中的列表进行排序。
listData listDataSort
0 [a, b, c, d, e, f] [a, b, c, d, e, f]
1 [1, 2, 3, 4, 5] [1, 2, 3, 4, 5]
我可以通过改为:
df = pd.DataFrame({
'listData': [
['c', 'f', 'd', 'a', 'e', 'b'],
[5, 2, 1, 4, 3]
]})
df['listDataSort'] = df['listData'].apply(sorted)
赠送:
listData listDataSort
0 [c, f, d, a, e, b] [a, b, c, d, e, f]
1 [5, 2, 1, 4, 3] [1, 2, 3, 4, 5]
将df分配给另一个变量,例如df2仍会将所有内容更改回原始源列表。此外,如何基于现有数据框创建新数据框,以便我可以对新数据框进行更改,而无需对现有数据框进行相同的更改?
df = pd.DataFrame({
'listData': [
['c', 'f', 'd', 'a', 'e', 'b'],
[5, 2, 1, 4, 3]
]})
df2 = df
print('\ndf\n', df)
print('\ndf2\n', df2)
df2['listDataSort'] = df2['listData']
print('\ndf\n', df)
print('\ndf2\n', df2)
df2['listDataSort'].apply(lambda l: l.sort())
print('\ndf\n', df)
print('\ndf2\n', df2)
打印:
df
listData
0 [c, f, d, a, e, b]
1 [5, 2, 1, 4, 3]
df2
listData
0 [c, f, d, a, e, b]
1 [5, 2, 1, 4, 3]
df
listData listDataSort
0 [c, f, d, a, e, b] [c, f, d, a, e, b]
1 [5, 2, 1, 4, 3] [5, 2, 1, 4, 3]
df2
listData listDataSort
0 [c, f, d, a, e, b] [c, f, d, a, e, b]
1 [5, 2, 1, 4, 3] [5, 2, 1, 4, 3]
df
listData listDataSort
0 [a, b, c, d, e, f] [a, b, c, d, e, f]
1 [1, 2, 3, 4, 5] [1, 2, 3, 4, 5]
df2
listData listDataSort
0 [a, b, c, d, e, f] [a, b, c, d, e, f]
1 [1, 2, 3, 4, 5] [1, 2, 3, 4, 5]
也:
df = pd.DataFrame({
'listData': [
['c', 'f', 'd', 'a', 'e', 'b'],
[5, 2, 1, 4, 3]
]})
print('\ndf\n', df)
df3 = df
df3['listDataSort'] = df3['listData'].apply(sorted)
print('\ndf\n', df)
print('\ndf3\n', df3)
打印:
df
listData
0 [c, f, d, a, e, b]
1 [5, 2, 1, 4, 3]
df
listData listDataSort
0 [c, f, d, a, e, b] [a, b, c, d, e, f]
1 [5, 2, 1, 4, 3] [1, 2, 3, 4, 5]
df3
listData listDataSort
0 [c, f, d, a, e, b] [a, b, c, d, e, f]
1 [5, 2, 1, 4, 3] [1, 2, 3, 4, 5]
当你跑步
df['listDataSort'] = df['listData']
您所要做的就是将列表的引用复制到新列。这意味着只执行浅拷贝,并且两列都引用相同的列表。因此,对一列的任何更改都可能会影响另一列。
您可以使用sorted
的列表推导来返回数据的副本。这应该是最简单的选择。
df['listDataSort'] = [sorted(x) for x in df['listDataSort']]
df
listData listDataSort
0 [c, f, d, a, e, b] [a, b, c, d, e, f]
1 [5, 2, 1, 4, 3] [1, 2, 3, 4, 5]
现在,当涉及到制作整个DataFrame副本的问题时,事情会变得复杂一些。我会推荐deepcopy
:
import copy
df2 = df.apply(copy.deepcopy)