python - 当作为参数传递时，如何跨多个自定义函数处理 Pandas DataFrame？

Question

我们有一个项目，其中有多个 *.py 脚本，其中包含接收和返回 Pandas 数据帧变量作为参数的函数。
但这让我想知道:当数据帧变量作为参数或从这些函数返回的变量传递时，它们在内存中的行为是什么？
修改 df 变量是否也会改变父/主/全局变量？
考虑以下示例:

import pandas as pd

def add_Col(df): 
   df["New Column"] = 10 * 3

def mod_Col(df):
   df["Existing Column"] = df["Existing Column"] ** 2

data = [0,1,2,3]
df = pd.DataFrame(data,columns=["Existing Column"])

add_Col(df)
mod_col(df)

df

最后显示 df 时:会出现新列吗？调用 mod_col 时对“现有列”所做的更改如何？
调用 add_Col 函数是创建 df 的副本还是仅创建一个指针？
将数据帧传递给函数时的最佳实践是什么，因为如果它们足够大，我确信创建副本会对性能和内存产生影响，对吗？

Answer 1

是的，该函数确实会更改数据框本身而不创建它的副本。您应该小心它，因为您最终可能会在没有注意到的情况下更改列。
在我看来，最佳实践取决于用例，使用 .copy() 确实会对您的内存产生影响。
例如，如果您正在创建一个以某些数据帧作为输入的管道，则您不想更改输入数据帧本身。如果您只是在处理数据帧并且将处理拆分为不同的函数，则可以编写函数