如何進行python pandas中 inplace 參數的理解

本篇文章給大家分享的是有關如何進行python pandas中 inplace 參數的理解，小編覺得挺實用的，因此分享給大家學習，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。

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，創建并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，和深復制和淺復制有些類似。

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后面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中重復將被去除。

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的內容是去除重復后的內容。

以上就是如何進行python pandas中 inplace 參數的理解，小編相信有部分知識點可能是我們日常工作會見到或用到的。希望你能通過這篇文章學到更多知識。更多詳情敬請關注億速云行業資訊頻道。