为什么只有 df.to_numpy() 参与计算时数据帧会发生变化？

Question

import pandas as pdimport numpy as npurl = "https://raw.githubusercontent.com/PawinData/UC/SFBA/DistanceMatrix_shortestnetworks.csv"Distance_df = pd.read_csv(url, index_col=0)D = Distance_df.to_numpy()我有一个数据框Distance_df，我将它转换为一个 numpy 数组D用于计算。随后发生的事情只是关心D而根本不涉及Distance_df。然而，两者D最终都Distance_df被改变了（变成相同的东西）。虽然我也不知道为什么D会改变，但Distance_df最让我困惑的是 dataframe 的行为。当它甚至没有出现在代码中时，如何更改它？不知何故，我感觉到这与代码无关，而是与值和对象在幕后的处理方式有关。谁能解释一下？

Answer 1

您需要将copy=True作为参数添加到to_numpy().

根据DataFrame.to_numpy文档：

副本：bool，默认为 False

是否确保返回值不是另一个数组的视图。请注意，这copy=False并不能确保不to_numpy()复制。相反，copy=True即使不是绝对必要，也要确保制作副本。

换句话说，写入D = Distance_df.to_numpy() 可能会导致D成为对底层 numpy 数组的引用Distance_df，而不是复制它们。

写入D = Distance_df.to_numpy(copy=True)以确保D和Distance_df是独立的对象。

Answer 2

尝试获取不被更改的数据框副本

import pandas as pd

import numpy as np

url="https://raw.githubusercontent.com/PawinData/UC/SFBA/DistanceMatrix_shortestnetworks.csv"

Distance_df = pd.read_csv(url, index_col=0)

df=Distance_df.copy()

D = df.to_numpy()

Answer 3

D = Distance_df.to_numpy()

现在运行D is Distance_df返回True。两个变量都引用同一个对象。

但是，如果您这样做D = Distance_df.copy().to_numpy()，D is Distance_df将会返回False。它们现在是不同的对象。

这正是 Python 处理变量引用的方式。