pandas 中 inplace 參數在很多函數中都會有,它的作用是:是否在原對象基礎上進行修改
inplace = True:不創建新的對象,直接對原始對象進行修改;
inplace = False:對數據進行修改,創建並返回新的對象承載其修改結果。
默認是False,即創建新的對象進行修改,原對象不變,和深複製和淺複製有些類似。
例:
inplace=True情況:
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情況:
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,如給定0或1,會報如下錯誤:
ValueError: For argument "inplace" expected type bool, received type int.
補充知識:pandas.DataFrame.drop_duplicates後面inplace=True與inplace=False的區別
drop_duplicates(inplace=True)是直接對原dataFrame進行操作。
如:
t.drop_duplicates(inplace=True) 則,對t中重複將被去除。
drop_duplicates(inplace=False)將不改變原來的dataFrame,而將結果生成在一個新的dataFrame中。
如:
s = t.drop_duplicates(inplace=False) 則,t的內容不發生改變,s的內容是去除重複後的內容
[qp18502452 ] 對python pandas中 inplace 參數的理解已經有430次圍觀