(Python)本地化变量

Question

我的目标是使用 my_function 更改数据帧 df，然后将结果分配给数据帧 df。但是当我使用函数时，函数外部的数据框 df 被更改了。我如何修改函数才能不影响函数之外的 df 变量？

import pandas as pd
df = pd.DataFrame({'A': [10, 20, 30]}, index=['2021-11-24', '2021-11-25', '2021-11-26'])


def my_function(df_temp):
    df_temp['A'][0] = 100  # How could I modify not to affect df varable which is outside of funtion
    return df_temp         

   something = my_function(df)
   print(df)   # df is already altered although I didn't assign

# df = my_function(df)
# print(df)

Answer 1

尝试这些解决方案

使用pandas.apply函数

import pandas as pd
df = pd.DataFrame({'A': [10, 20, 30]}, index=['2021-11-24', '2021-11-25', '2021-11-26'])


def my_function(row):
    row[0] = 100       
    return row


something = df.apply(my_function)
print(something)

A
2021-11-24  100
2021-11-25  20
2021-11-26  30

print(df)


A
2021-11-24  10
2021-11-25  20
2021-11-26  30

2.使用pandas.copy函数

import pandas as pd
df = pd.DataFrame({'A': [10, 20, 30]}, index=['2021-11-24', '2021-11-25', '2021-11-26'])

def my_function(df):
    temp_df = df.copy()
    temp_df['A'][0] = 100
    return temp_df


something = my_function(df)
print(something)

A
2021-11-24  100
2021-11-25  20
2021-11-26  30

print(df)


A
2021-11-24  10
2021-11-25  20
2021-11-26  30

Answer 2

参数总是在Python中通过赋值传递，因此DataFrame在函数内部发生变异。处理引用是首选，因为它不会影响性能。

如果您被迫保留原始对象，您可以通过手动创建副本来执行操作。

import pandas as pd
df = pd.DataFrame({'A': [10, 20, 30]}, index=['2021-11-24', '2021-11-25', '2021-11-26'])

def my_function(df_temp):
    df_temp['A'][0] = 99

dfc = df.copy()
my_function(dfc) # alter the copy

print(df) # unchanged
print(dfc) # altered

您可以在文档中阅读有关传递变量的更多信息： https://docs.python.org/3/faq/programming.html#how-do-i-write-a-function-with-output-parameters-call-by-reference

(Python)本地化变量

(Python)Localizing variable

python

function

pass-by-reference

pass-by-value