淺談對python pandas中 inplace 引數的理解

這篇文章主要介紹了對python pandas中 inplace 引數的理解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

pandas 中 inplace 引數在很多函式中都會有，它的作用是：是否在原物件基礎上進行修改

inplace = True：不建立新的物件，直接對原始物件進行修改；

inplace = False：對資料進行修改，建立並返回新的物件承載其修改結果。

預設是False，即建立新的物件進行修改，原物件不變，和深複製和淺複製有些類似。

例：

import pandas as pd
import numpy as np
df=pd.DataFrame(np.random.randn(4,3),columns=["A","B","C"])
data=df.drop(["A"],axis=1,inplace=True)
print(df)
print(data)
 
>> 
     B     C
0 0.472730 -0.626685
1 0.065358 0.031326
2 -0.318582 1.123308
3 -0.097687 0.018820
None

df=pd.DataFrame(np.random.randn(4,3),columns=["A","B","C"])
data=df.drop(["A"],axis=1,inplace=False)
print(df)
print(data)
 
>>
     A     B     C
0 -0.731578 0.226483 0.986656
1 0.075936 1.622889 1.767967
2 -1.477780 -0.164374 -1.025555
3 -0.645208 -0.847264 -0.744622
     B     C
0 0.226483 0.986656
1 1.622889 1.767967
2 -0.164374 -1.025555
3 -0.847264 -0.744622

另外，要注意的是，inplace的取值只有False和True，如給定0或1，會報如下錯誤：

ValueError: For argument "inplace" expected type bool, received type int.

drop_duplicates(inplace=True)是直接對原dataFrame進行操作。

如:

t.drop_duplicates(inplace=True) 則，對t中重複將被去除。

drop_duplicates(inplace=False)將不改變原來的dataFrame，而將結果生成在一個新的dataFrame中。

如：

s = t.drop_duplicates(inplace=False) 則，t的內容不發生改變，s的內容是去除重複後的內容

以上這篇對python pandas中 inplace 引數的理解就是小編分享給大家的全部內容了，希望能給大家一個參考。

原文來自：