为何函数会原地修改pd.DataFrame？且仅修改至首个.drop前？

为什么函数内变量赋值会改到原DataFrame？ #

Pandas的DataFrame是引用类型，当你在函数里写df = input_df时，只是让df这个变量指向了和原输入完全相同的内存对象。这时候如果对df做原地修改操作（比如直接修改列值df['col'] = ...、df.fillna(inplace=True)这类带inplace=True的方法），本质就是在修改原对象的内存数据，自然会影响到函数外的原DataFrame。

为什么修改仅停留在首个.drop操作前？ #

如果你的.drop是用df = df.drop(...)（不带inplace=True）的形式，那问题就出在这：.drop会返回一个全新的DataFrame对象，执行这行代码后，df变量会重新指向这个新对象，和原输入的内存地址彻底断开了。所以在这之后对df的所有操作，都只会作用在新对象上，不会影响原输入。而在这之前的操作，都是在原对象上做的原地修改，所以能被外部看到。

举个直观的例子：

def process_df(input_df):
    df = input_df
    # 这一步是原地修改原对象，外部能看到变化
    df['new_col'] = 1
    # 这一步返回新对象，df指向新内存，和原输入彻底无关
    df = df.drop('old_col', axis=1)
    # 后续操作只改新对象，原输入不受影响
    df['another_col'] = 2
    return df

这时候原输入的DataFrame会新增new_col，但不会丢失old_col，也不会有another_col——因为drop之后df已经不是原来的那个对象了。

为什么Polars没有这个问题？ #

Polars的核心设计就是默认不可变，几乎所有操作都会返回一个新的DataFrame对象，不会修改原数据本身。哪怕你在函数里写pl_df = input_pl_df，后续对pl_df做的任何操作（比如.drop）都会生成新对象，原输入的Polars DataFrame始终保持初始状态。只有极少数低层级场景才会涉及原地操作，日常使用根本碰不到，所以不会出现Pandas这种意外修改原数据的情况。

怎么解决Pandas的这个问题？ #

最简单的办法就是在函数开头先复制原DataFrame，彻底断开引用关系：

def process_df(input_df):
    # 深拷贝，完全独立于原对象
    df = input_df.copy(deep=True)
    # 后续所有操作都在副本上，不会影响原数据
    df['new_col'] = 1
    df = df.drop('old_col', axis=1)
    df['another_col'] = 2
    return df

如果你的DataFrame没有嵌套结构（比如没有包含列表、字典的列），用copy(deep=False)（浅拷贝）也能满足需求，速度会更快。

内容的提问来源于stack exchange，提问作者gernophil