Pandas数据中的浅拷贝与深拷贝

pandas库主要有两种数据结构DataFrames和Series。这些数据结构在内部用索引数组和数据数组表示，索引数组标记数据，数据数组包含实际数据。现在，当我们试图复制这些数据结构（DataFrames和Series）时，我们实际上是复制对象的索引和数据，有两种方法可以做到这一点，即浅复制和深复制。
这些操作是在库函数pandas.DataFrame.copy（deep=False）（用于浅拷贝）和pandas.DataFrame.copy（deep=True）（用于DataFrames和Series中的深拷贝）的帮助下完成的。

现在，让我们了解一下什么是浅拷贝。

浅拷贝

当创建DataFrame或Series对象的浅层副本时，它不会复制原始对象的索引和数据，而只是复制对其索引和数据的引用。因此，对一个对象所做的更改将反映在另一个对象中。

它指的是构造一个新的集合对象，然后用对原始集合中的子对象的引用填充它。复制过程不会递归，因此不会创建子对象本身的副本。

比如：

import pandas as pd
 
# assign dataframe
df = pd.DataFrame({'index': [1, 2, 3, 4],
                   'GFG': ['Mandy', 'Ron', 'Jacob', 'Bayek']})
 
 
# shallow copy
copydf = df.copy(deep=False)
 
# comparing shallow copied dataframe
# and original dataframe
print('\nBefore Operation:\n', copydf == df)
 
# assignment operation
copydf['index'] = [0, 0, 0, 0]
 
 
# comparing shallow copied dataframe
# and original dataframe
print('\nAfter Operation:\n', copydf == df)
 
print('\nOriginal Dataframe after operation:\n', df)

输出

从上面程序的输出可以看出，应用于浅层复制数据帧的更改会自动应用于原始数据帧。

深拷贝

DataFrame或Series对象的深层副本具有自己的索引和数据副本。这是一个复制过程递归发生的过程。这意味着首先构造一个新的集合对象，然后用在原始集合中找到的子对象的副本递归地填充它。在深度复制的情况下，对象的副本被复制到另一个对象中。这意味着对对象副本所做的任何更改都不会反映在原始对象中。

例如

import pandas as pd
 
# assign dataframe
df = pd.DataFrame({'index': [1, 2, 3, 4],
                   'GFG': ['Mandy', 'Ron', 'Jacob', 'Bayek']})
 
# deep copy
copydf = df.copy(deep=True)
 
# comparing shallow copied dataframe
# and original dataframe
print('\nBefore Operation:\n', copydf == df)
 
# assignment operation
copydf['index'] = [0, 0, 0, 0]
 
 
# comparing shallow copied dataframe
# and original dataframe
print('\nAfter Operation:\n', copydf == df)
 
print('\nOriginal Dataframe after operation:\n', df)

输出

在这里，原始对象中的数据不会被递归复制。也就是说，原始对象的数据中的数据仍然指向相同的存储单元。例如，如果Dataframe或Series对象中的数据包含任何可变数据，那么它将在它和它的深层副本之间共享，并且对其中一个的任何修改都将反映在另一个中。

浅拷贝与深拷贝的区别

浅拷贝	深拷贝
它是集合结构的副本，而不是元素的副本。	它是集合的副本，其中复制了原始集合中的所有元素。
影响初始数据帧。	不影响初始数据帧。
浅拷贝不会复制子对象。	深拷贝递归地复制子对象。
创建浅拷贝比创建深拷贝快。	与浅拷贝相比，创建深拷贝速度较慢。
副本依赖于原件。	副本并不完全依赖于原件。