如何进行python pandas中 inplace 参数的理解

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。

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 pdimport numpy as npdf=pd.DataFrame(np.random.randn(4,3),columns=["A","B","C"])data=df.drop(["A"],axis=1,inplace=True)print(df)print(data) >>      B     C0 0.472730 -0.6266851 0.065358 0.0313262 -0.318582 1.1233083 -0.097687 0.018820None

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     C0 -0.731578 0.226483 0.9866561 0.075936 1.622889 1.7679672 -1.477780 -0.164374 -1.0255553 -0.645208 -0.847264 -0.744622     B     C0 0.226483 0.9866561 1.622889 1.7679672 -0.164374 -1.0255553 -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。更多详情敬请关注行业资讯频道。