python pandas dataframe，是按值传递还是按引用传递

Question 1

如果我将数据帧传递给函数并在函数内部对其进行修改，那么它是按值传递还是按引用传递？

我运行以下代码

a = pd.DataFrame({'a':[1,2], 'b':[3,4]})
def letgo(df):
    df = df.drop('b',axis=1)
letgo(a)

a函数调用后，的值不变。这是否意味着价值传递？

我也尝试了以下

xx = np.array([[1,2], [3,4]])
def letgo2(x):
    x[1,1] = 100
def letgo3(x):
    x = np.array([[3,3],[3,3]])

事实证明letgo2()，变化xx并letgo3()没有。为什么会这样呢？

Question 2

简短的答案是，Python始终会传递值，但每个Python变量实际上都是指向某个对象的指针，因此有时看起来像是传递引用。

在Python中，每个对象都是可变的或不可更改的。例如，列表，字典，模块和熊猫数据帧是可变的，而整数，字符串和元组是不可变的。可变对象可以在内部进行更改（例如，将元素添加到列表中），但非可变对象则不能。

正如我在开始时所说的，您可以将每个Python变量都视为指向对象的指针。当您将变量传递给函数时，函数中的变量（指针）始终是传入的变量（指针）的副本。因此，如果将新内容分配给内部变量，则您所做的就是更改局部变量指向另一个对象。这不会改变（变异）变量指向的原始对象，也不会使外部变量指向新对象。此时，外部变量仍指向原始对象，但内部变量指向新对象。

如果要更改原始对象（仅适用于可变数据类型），则必须执行一些更改对象的操作，而无需为局部变量分配全新的值。这就是为什么letgo()和letgo3()离开外部项目不变，但letgo2()会改变它。

正如@ursan指出的那样，如果letgo()使用类似这样的东西，那么它将改变（变异）df指向的原始对象，这将改变通过全局a变量看到的值：

def letgo(df):
    df.drop('b', axis=1, inplace=True)

a = pd.DataFrame({'a':[1,2], 'b':[3,4]})
letgo(a)  # will alter a

在某些情况下，您可以完全掏空原始变量，并用新数据重新填充它，而无需实际进行直接分配，例如，这将更改v指向的原始对象，这将更改v以后使用的数据：

def letgo3(x):
    x[:] = np.array([[3,3],[3,3]])

v = np.empty((2, 2))
letgo3(v)   # will alter v

注意，我不是直接分配东西给x;。我正在为的整个内部范围分配内容x。

如果您绝对必须创建一个全新的对象并使其在外部可见（大熊猫有时就是这种情况），则有两种选择。“干净”选项只是返回新对象，例如，

def letgo(df):
    df = df.drop('b',axis=1)
    return df

a = pd.DataFrame({'a':[1,2], 'b':[3,4]})
a = letgo(a)

另一种选择是到达函数外部并直接更改全局变量。这将更a改为指向一个新对象，a此后引用的任何函数都将看到该新对象：

def letgo():
    global a
    a = a.drop('b',axis=1)

a = pd.DataFrame({'a':[1,2], 'b':[3,4]})
letgo()   # will alter a!

直接更改全局变量通常不是一个好主意，因为任何读取您的代码的人都将很难找出a更改的方式。（我通常将全局变量用于脚本中许多函数使用的共享参数，但我不允许它们更改那些全局变量。）

Question 3

问题不是PBV与PBR。这些名称只会引起像Python这样的语言的混乱；它们是为像C或Fortran这样的语言（作为典型的PBV和PBR语言）而发明的。的确，Python总是按值传递，但没有启发性。这里的问题是值本身是否已突变或您是否获得了新值。熊猫通常会偏向后者。

http://nedbatchelder.com/text/names.html很好地解释了Python的名称系统。

Question 4

为了补充@Mike Graham的答案，他指出了一个很好的读物：

在您的情况下，要记住的重要一点是名称和值之间的区别。a，df，xx，x，都是名字，但它们指的是相同或不同的值，在你的例子不同点：

在第一个示例中，letgo 重新绑定 df到另一个值，因为除非设置了参数，否则df.drop返回一个新值（请参阅doc）。这意味着名称（对于函数而言是本地的），它引用的值，现在引用的是新值，此处为返回值。该值指的是仍然存在，并且没有更改。DataFrameinplace = Truedfletgoadf.dropa
在第二个示例中，将letgo2 mutate x而不重新绑定它，这就是为什么xx要通过对其进行修改的原因letgo2。与前面的示例不同，此处的本地名称x始终引用名称xx所引用的值，并在适当位置更改该值，这就是该值xx引用的原因已更改的原因。
在第三个示例中，letgo3 重新绑定 x到新的np.array。这会导致名称x（本地letgo3且以前引用过该值）xx现在引用另一个值new np.array。xx所指的值未更改。

Question 5

Python既不按值传递也不按引用传递。它是通过分配传递的。

支持参考，Python常见问题解答：https : //docs.python.org/3/faq/programming.html#how-do-i-write-a-function-with-output-parameters-call-by-reference

IOW：

如果您传递一个不可变值，则对其进行更改不会在调用方中更改其值-因为您是将该名称重新绑定到一个新对象。
如果您传递的是可变值，则只要不将名称重新绑定到新对象，在被调用函数中所做的更改也会在调用方中更改该值。如果重新分配变量，创建一个新对象，则在调用者中看不到该更改和名称的后续更改。

因此，如果您传递一个列表并更改其第0个值，则在被叫方和调用方中都会看到该更改。但是，如果您用新列表重新分配列表，则此更改将丢失。但是，如果您对列表进行切片并用新列表替换，则在被叫方和调用方中都会看到该更改。

例如：

def change_it(list_):
    # This change would be seen in the caller if we left it alone
    list_[0] = 28

    # This change is also seen in the caller, and replaces the above
    # change
    list_[:] = [1, 2]

    # This change is not seen in the caller.
    # If this were pass by reference, this change too would be seen in
    # caller.
    list_ = [3, 4]

thing = [10, 20]
change_it(thing)
# here, thing is [1, 2]

如果您是C迷，则可以认为这是按值传递指针-不是指向值的指针，而是指向值的指针。

HTH。

Question 6

这是放置文档：

返回删除了请求轴上的标签的新对象。

这样就创建了一个新的数据框。原来没有改变。

但是对于python中的所有对象，数据帧都是通过引用传递给函数的。

Question 7

您需要在函数的开始处将'a'设置为全局，否则它是局部变量，并且不会更改主代码中的'a'。