pandas的引用与复制

        之前一直以为pandas任何的切片和筛选都是引用，也就是说，会改变最原始的数据。但是前几天发现并不是这样的。

        下面对最常见的几种pandas 数据截取的方式做一个整理。

import pandas as pddef df_gen():    l1 = [1,2,3]    l2 = [4,5,6]    l3 = [7,6,5]    df_t = pd.DataFrame()    df_t['a'] = l1    df_t['b'] = l2    df_t['c'] = l3    return df_tprint 'df:', df_gen()print 'refernece:'df = df_gen()d1 = df.ad1[0] = 999print '1', dfdf = df_gen()d1 = df.ix[0]d1[0] = 999print '2', dfdf = df_gen()d1 = df.loc[1,:]d1[0] = 999print '3', dfdf = df_gen()d1 = df['a']d1[0] = 999print '4', dfprint 'copy:'df = df_gen()d1 = df.iloc[1]d1[0] = 999print '1', dfdf = df_gen()d1 = df[df.a > 1]d1[0] = 999print '2', dfdf = df_gen()d1 = df.loc[df.a > 1, 'b']d1[0] = 999print '3', df

        上面总共7种方式，前面四种是引用的方式，后面的三种是复制。

        输出是这样一串：

df:    a  b  c
0  1  4  7
1  2  5  6
2  3  6  5
refernece:
1      a  b  c
0  999  4  7
1    2  5  6
2    3  6  5
1      a  b  c
0  999  4  7
1    2  5  6
2    3  6  5
1      a  b  c
0    1  4  7
1  999  5  6
2    3  6  5
1      a  b  c
0  999  4  7
1    2  5  6
2    3  6  5
copy:
F:/int/ProjectIntern/DatabaseTransfer/dd.py:37: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame


See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
  d1[0] = 999
1    a  b  c
0  1  4  7
1  2  5  6
2  3  6  5
1 F:/int/ProjectIntern/DatabaseTransfer/dd.py:41: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead


See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
  d1[0] = 999
   a  b  c
0  1  4  7
1  2  5  6
2  3  6  5
1    a  b  c
0  1  4  7
1  2  5  6
2  3  6  5
        我们发现pandas不是refernce的时候会有警告。refernce的时候，df原始的值被改变了，说明d1只是一个引用，而后面的copy则不然。

        在使用pandas的时候要注意这一特性。