对python pandas中 inplace 参数的理解
作者:海晨威
这篇文章主要介绍了对python pandas中 inplace 参数的理解,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
pandas 中 inplace 参数在很多函数中都会有,它的作用是:是否在原对象基础上进行修改
inplace = True:不创建新的对象,直接对原始对象进行修改;
inplace = False:对数据进行修改,创建并返回新的对象承载其修改结果。
默认是False,即创建新的对象进行修改,原对象不变,和深复制和浅复制有些类似。
例:
inplace=True情况:
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
inplace=False情况:
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,如给定0或1,会报如下错误:
ValueError: For argument "inplace" expected type bool, received type int.
补充知识:pandas.DataFrame.drop_duplicates后面inplace=True与inplace=False的区别
drop_duplicates(inplace=True)是直接对原dataFrame进行操作。
如:
t.drop_duplicates(inplace=True) 则,对t中重复将被去除。
drop_duplicates(inplace=False)将不改变原来的dataFrame,而将结果生成在一个新的dataFrame中。
如:
s = t.drop_duplicates(inplace=False) 则,t的内容不发生改变,s的内容是去除重复后的内容
以上这篇对python pandas中 inplace 参数的理解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。