如何进行pythonpandas中inplace参数的理解-创新互联
本篇文章给大家分享的是有关如何进行python pandas中 inplace 参数的理解,小编觉得挺实用的,因此分享给大家学习,希望大家阅读完这篇文章后可以有所收获,话不多说,跟着小编一起来看看吧。
创新互联公司一直通过网站建设和网站营销帮助企业获得更多客户资源。 以"深度挖掘,量身打造,注重实效"的一站式服务,以成都网站制作、网站设计、外贸网站建设、移动互联产品、全网营销推广服务为核心业务。10多年网站制作的经验,使用新网站建设技术,全新开发出的标准网站,不但价格便宜而且实用、灵活,特别适合中小公司网站制作。网站管理系统简单易用,维护方便,您可以完全操作网站资料,是中小公司快速网站建设的选择。这篇文章主要介绍了对python pandas中 inplace 参数的理解,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧 |
pandas 中 inplace 参数在很多函数中都会有,它的作用是:是否在原对象基础上进行修改
inplace = True:不创建新的对象,直接对原始对象进行修改;
inplace = False:对数据进行修改,创建并返回新的对象承载其修改结果。
默认是False,即创建新的对象进行修改,原对象不变,和深复制和浅复制有些类似。
例:
inplace=True情况:
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情况:
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,如给定0或1,会报如下错误:
ValueError: For argument "inplace" expected type bool, received type int.
补充知识:pandas.DataFrame.drop_duplicates后面inplace=True与inplace=False的区别
drop_duplicates(inplace=True)是直接对原dataFrame进行操作。
如:
t.drop_duplicates(inplace=True) 则,对t中重复将被去除。
drop_duplicates(inplace=False)将不改变原来的dataFrame,而将结果生成在一个新的dataFrame中。
如:
s = t.drop_duplicates(inplace=False) 则,t的内容不发生改变,s的内容是去除重复后的内容。
以上就是如何进行python pandas中 inplace 参数的理解,小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注创新互联-成都网站建设公司行业资讯频道。
文章题目:如何进行pythonpandas中inplace参数的理解-创新互联
网站路径:http://scyanting.com/article/gccip.html