python pandas dataframe，是按值传递还是按引用传递

Question

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？

Answer 1

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。这不会更改（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），则有两个选择。“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。）