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
