python - Pandas 就位 self 。变量

Question

import pandas as pd

df = pd.DataFrame([[1, 'li'], [2, 'la'], [3, 'lu']], columns=(['index', 'col']))


class Test:
    def __init__(self, data):
        self.data = data
        self.data.set_index('index', inplace = True)


test1 = Test(df)
test2 = Test(df)

print(test1.data)
print(test2.data)

这会引发一个错误: KeyError: "None of ['index'] are in the columns"
我意识到使用 set_index()与 inplace = True在 __init__方法不操作 self.data属于对象实例的变量。它实际上设置了 data作为所有实例共享的类变量。
当我避免使用 inplace我没有收到错误，因为现在 self.data设置对象实例的变量。

import pandas as pd

df = pd.DataFrame([[1, 'li'], [2, 'la'], [3, 'lu']], columns=(['index', 'col']))


class Test:
    def __init__(self, data):
        self.data = data
        self.data = self.data.set_index('index', inplace=False)


test1 = Test(df)
test2 = Test(df)

print(test1.data)
print(test2.data)

输出:

       col
index    
1      li
2      la
3      lu
       col
index    
1      li
2      la
3      lu

这种行为的原因是什么？对我来说，在以 .self 开头的变量上使用函数时设置类变量似乎有点违反直觉。
使用 inplace = True 是否有理由或优势？ ?

Answer 1

我不认为它与 Pandas 有关，而更多地与 Python 是一种传递对象引用语言 ( see explanations here ) 的事实有关。
考虑以下与您的示例具有类似行为的示例:

class Test2:
    def __init__(self, data):
        self.data = data
        self.data.append(2)

A=[0,1]
test1 = Test2(A)
print(A)

输出:

[0, 1, 2]

对底层对象的修改 A被持久化(因为它是一个列表，并且列表是可变的，就像 Pandas 数据帧一样)。
在您的示例中，使用 self.data.set_index('index', inplace = True) 时一个新的数据框不会被创建，与上面的例子类似，底层对象 df被坚持。
考虑对您的代码添加以下内容:

import pandas as pd

df = pd.DataFrame([[1, 'li'], [2, 'la'], [3, 'lu']], columns=(['index', 'col']))

class Test:
    def __init__(self, data):
        self.data = data
        self.data.set_index('index', inplace = True)


print(df.columns)
test1 = Test(df)
print(df.columns)

输出:

Index(['index', 'col'], dtype='object')
Index(['col'], dtype='object')

df被改变了。
最后，以下将起作用:

import pandas as pd

df = pd.DataFrame([[1, 'li'], [2, 'la'], [3, 'lu']], columns=(['index', 'col']))

class Test:
    def __init__(self, data):
        self.data = data
        self.data.set_index('index', inplace = True)

test1 = Test(pd.DataFrame([[1, 'li'], [2, 'la'], [3, 'lu']], columns=(['index', 'col'])))
test2 = Test(pd.DataFrame([[1, 'li'], [2, 'la'], [3, 'lu']], columns=(['index', 'col'])))

print(test1.data)
print(test2.data)