如何更改列中的值并在 python 中生成新的 DataFrame

Question

我有一个 DataFrame，我想从一列中生成一个新的变化值，并保留原始数据帧 intact.I 尝试使用 mask、where 和 iloc，但原始数据帧总是会改变。

import pandas as pd

data = {
  "age": [50, 40, 30, 40, 20, 10, 30],
  "qualified": [True, False, False, False, False, True, True]
}
df = pd.DataFrame(data)

newdf = df
newdf["age"] = newdf.where(newdf["age"] > 30,2)

print(newdf)
print(df)

结果：

age  qualified
0  50       True
1  40      False
2   2      False
3  40      False
4   2      False
5   2       True
6   2       True
  age  qualified
0  50       True
1  40      False
2   2      False
3  40      False
4   2      False
5   2       True
6   2       True

有什么方法可以更改此值并保留原始值吗？

Answer 1

使用df.copy(deep=True)What is the difference between a deep copy and a shallow copy?

import pandas as pd
import numpy as np

data = {
  "age": [50, 40, 30, 40, 20, 10, 30],
  "qualified": [True, False, False, False, False, True, True]
}
df = pd.DataFrame(data)

# deep copy
newdf = df.copy(deep=True)


newdf["age"] = np.where(newdf["age"] > 30, newdf["age"], 2)
print(newdf)
   age  qualified
0   50       True
1   40      False
2    2      False
3   40      False
4    2      False
5    2       True
6    2       True

print(df)
   age  qualified
0   50       True
1   40      False
2   30      False
3   40      False
4   20      False
5   10       True
6   30       True

如何更改列中的值并在 python 中生成新的 DataFrame

How to change values in column and generate a new DataFrame in python

python

pandas

dataframe

where-clause

mask