Jakich reguł używa Pandy do generowania widoku, a jakich kopii?

Jestem zdezorientowany regułami używanymi przez Pandas, gdy decyduję, że wybór z ramki danych jest kopią oryginalnej ramki danych lub widokiem oryginału.

Jeśli mam na przykład

df = pd.DataFrame(np.random.randn(8,8), columns=list('ABCDEFGH'), index=range(1,9))

Rozumiem, że queryzwraca kopię tak, że coś podobnego

foo = df.query('2 < index <= 5')
foo.loc[:,'E'] = 40

nie będzie miało wpływu na oryginalnym dataframe, df. Rozumiem również, że plasterki skalarne lub nazwane zwracają widok, więc przypisania do nich, takie jak

df.iloc[3] = 70

lub

df.ix[1,'B':'E'] = 222

zmieni się df. Ale gubię się, jeśli chodzi o bardziej skomplikowane sprawy. Na przykład,

df[df.C <= df.B] = 7654321

zmiany df, ale

df[df.C <= df.B].ix[:,'B':'E']

nie.

Czy jest jakaś prosta zasada, której używa Pandy, a której po prostu mi brakuje? Co się dzieje w tych konkretnych przypadkach; aw szczególności, jak zmienić wszystkie wartości (lub podzbiór wartości) w ramce danych, które spełniają określone zapytanie (jak próbuję to zrobić w ostatnim przykładzie powyżej)?

Uwaga: to nie to samo, co to pytanie ; i przeczytałem dokumentację , ale nie oświeciła mnie. Przeczytałem również „Powiązane” pytania na ten temat, ale nadal brakuje mi prostej reguły używanej przez Pandy i sposobu, w jaki zastosowałbym ją - na przykład - zmodyfikować wartości (lub podzbiór wartości) w ramce danych, która spełnia określone zapytanie.

Oto zasady, późniejsza zmiana:

• Wszystkie operacje generują kopię

• Jeśli inplace=Truezostanie podany, zmodyfikuje w miejscu; tylko niektóre operacje to obsługują

• Indeksator, który ustawia, np .loc/.iloc/.iat/.at. Ustawi w miejscu.

• Indeksator, który pobiera obiekt o pojedynczym oznaczeniu, jest prawie zawsze widokiem (w zależności od układu pamięci może nie być, dlatego jest to niewiarygodne). Dotyczy to głównie wydajności. (przykład z góry dotyczy .query; to zawsze zwróci kopię w postaci oszacowanej przez numexpr)

• Indeksator, który pobiera obiekt o wielu nazwach, jest zawsze kopią.

Twój przykład chained indexing

df[df.C <= df.B].loc[:,'B':'E']

nie ma gwarancji, że zadziała (dlatego nigdy nie powinieneś tego robić).

Zamiast tego zrób:

df.loc[df.C <= df.B, 'B':'E']

ponieważ jest to szybsze i zawsze będzie działać

Indeksowanie łańcuchowe to 2 oddzielne operacje w języku Python i dlatego nie można go wiarygodnie przechwycić przez pandy (często otrzymasz znak SettingWithCopyWarning, ale to też nie jest w 100% wykrywalne). Dokumentacja deweloperska , na którą wskazałeś, oferuje znacznie pełniejsze wyjaśnienie.