pandas.DataFrame.copy

DataFrame.copy(deep=True)[source]

Создаёт копию индексов и данных этого объекта.

Когда deep=True (по умолчанию), новый объект будет создан с копией данных и индексов вызываемого объекта. Изменения данных или индексов копии не будут отражены в исходном объекте (см. примечания ниже).

Когда deep=False, новый объект будет создан без копирования данных или индекса вызываемого объекта (копируются только ссылки на данные и индекс). Любые изменения данных исходного объекта будут отражены в поверхностной копии (и наоборот).

Примечание

Поведение deep=False, как описано выше, изменится в pandas 3.0. Copy-on-Write будет включено по умолчанию, что означает, что «поверхностная» копия, которая возвращается с deep=False, по-прежнему будет избегать создания немедленной копии, но изменения данных исходного объекта больше не будут отражаться в поверхностной копии (и наоборот). Вместо этого используется механизм ленивой (отложенной) копии, которая будет копировать данные только при любых изменениях исходного или поверхностного копий.

Вы можете получить будущее поведение и улучшения, включив копирование при записи pd.options.mode.copy_on_write = True

Параметры:

deep:bool, по умолчанию True

Создаёт глубокую копию, включая копию данных и индексов. С deep=False ни индексы, ни данные не копируются.

Возвращает:

Series или DataFrame

Тип объекта соответствует вызывающему объекту.

Примечания

Когда deep=True, данные копируются, но фактические Python-объекты не будут копироваться рекурсивно, копируется только ссылка на объект. Это отличается от copy.deepcopy в стандартной библиотеке, которая рекурсивно копирует данные объектов (см. примеры ниже).

Хотя Index объекты копируются при deep=True, подлежащий массив NumPy не копируется по соображениям производительности. Поскольку Index является неизменяемым, подлежащие данные могут безопасно использоваться совместно, и копия не требуется.

Поскольку pandas не является потокобезопасным, см. недостатки при копировании в среде потоков.

Когда copy_on_write в конфигурации pandas установлено в значение True, конфигурация copy_on_write вступает в силу даже тогда, когда deep=False. Это означает, что любые изменения в скопированных данных приведут к новой копии данных при записи (и наоборот). Внесённые изменения в исходную или скопированную переменную не будут отражены в соответствующей переменной. См. Copy_on_Write для получения дополнительной информации.

Примеры

>>> s = pd.Series([1, 2], index=["a", "b"])
>>> s
a    1
b    2
dtype: int64

>>> s_copy = s.copy()
>>> s_copy
a    1
b    2
dtype: int64

Поверхностная копия против копии по умолчанию (глубокая копия):

>>> s = pd.Series([1, 2], index=["a", "b"])
>>> deep = s.copy()
>>> shallow = s.copy(deep=False)

Поверхностная копия разделяет данные и индекс с оригиналом.

>>> s is shallow
False
>>> s.values is shallow.values and s.index is shallow.index
True

Глубокая копия имеет собственную копию данных и индекса.

>>> s is deep
False
>>> s.values is deep.values or s.index is deep.index
False

Обновления данных, общих для поверхностной копии и оригинала, отражаются в обоих (ПРИМЕЧАНИЕ: это больше не будет верно для pandas >= 3.0); глубокая копия остаётся неизменной.

>>> s.iloc[0] = 3
>>> shallow.iloc[1] = 4
>>> s
a    3
b    4
dtype: int64
>>> shallow
a    3
b    4
dtype: int64
>>> deep
a    1
b    2
dtype: int64

Обратите внимание, что при копировании объекта, содержащего Python-объекты, глубокая копия скопирует данные, но не будет делать это рекурсивно. Обновление вложенного объекта данных будет отражено в глубокой копии.

>>> s = pd.Series([[1, 2], [3, 4]])
>>> deep = s.copy()
>>> s[0][0] = 10
>>> s
0    [10, 2]
1     [3, 4]
dtype: object
>>> deep
0    [10, 2]
1     [3, 4]
dtype: object

Copy-on-Write установлен в значение true, поверхностная копия не изменяется при изменении исходных данных:

>>> with pd.option_context("mode.copy_on_write", True):
...     s = pd.Series([1, 2], index=["a", "b"])
...     copy = s.copy(deep=False)
...     s.iloc[0] = 100
...     s
a    100
b      2
dtype: int64
>>> copy
a    1
b    2
dtype: int64