Python中inplace、subset参数的意义及说明

Python中inplace、subset参数的意义

在Python使用中，很多函数都会有inplace这个参数。

df.drop(['CLOSE'],axis=1,inplace=True)

Inplace = True意思就是df.drop()函数执行完之后，直接赋值给df这个对象，如果Inplace = False则df.drop()只是执行了drop()这个函数，但是并没有将执行后的结果返回给df这个对象，也就是如果此时print(df)还是跟原来一样。

subset = ['col1','col2'...]

subset指的是限定函数作用范围，只在[‘col1’,‘col2’…]列内

激活函数nn.ReLU(inplace=True)中inplace的作用

nn.ReLU(inplace=True)

参数inplace=True:

inplace为True，将计算得到的值直接覆盖之前的值

inplace：can optionally do the operation in-place. Default: False

注： 产生的计算结果不会有影响。利用in-place计算可以节省内（显）存，同时还可以省去反复申请和释放内存的时间。但是会对原变量覆盖，只要不带来错误就用。

例如：x = x+1

即对原值x进行+1操作后得到的值，直接赋值给x，而不是如下找一个中间变量y：

• y=x+1
• x=y

先将x进行+1操作后赋值给中间变量y，然后将y值赋给x

这样就需要内存存储变量y

因此当inplace=True时：

就是对从上层网络nn.Conv2d中传递下来的tensor直接进行修改，这样能够节省运算内存，不用多存储其他变量。

python pandas中inplace分析

pandas中很多函数都有inplace参数，他们都作是否修改传入数据的意思，为True时就是修改。但inplace还封装了一个作用，就是复制，在赋值的时候，其实赋值就是一种复制，inplace为True的时候，不进行复制操作。

inplace还有一个意义就是原对象不迁移，属于不将映射转到其他变量或对象上。但为false的时候可以复制，赋值到的那个对象保留了原对象执行函数的一种映射，但不会改变原对象。

所以这种方式就是为了保留原来数据的一种便捷方式，不用多次赋值来避免原来的对象改变又能得到一个长期的映射。

inplace这个参数设置好之后，即使是提前设置了原对象和新对象的浅复制，也一样不可撼动其执行效果，df1=df

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。