Pandas 2.2.2中groupby对象是否存储原DataFrame内容？

问题背景 #

我有一个包含A、B、C三列的DataFrame，目标是验证groupby对象是否存储原DataFrame的副本。测试代码如下：

# 创建含A、B、C列的DataFrame
grp = df.groupby(by=['A', 'B'])
del df  
print(grp.transform(lambda x: x))  # 该行输出完整的DataFrame

上述代码似乎表明grp包含原DataFrame，因为原DataFrame已被删除，但grp仍能生成完整数据。该结论是否正确？是否可能grp持有原DataFrame的引用，执行del操作后引用计数未归零，导致数据仍驻留内存供grp使用？（使用Pandas版本为2.2.2）

核心结论与解释 #

• 你的初始结论不准确：GroupBy对象并没有存储原DataFrame的副本，而是持有对原DataFrame数据的引用。
• del df后grp仍能正常工作的原因：Python的垃圾回收机制基于引用计数。执行del df只是移除了变量名df对DataFrame对象的引用，但GroupBy对象内部（比如通过grp.obj属性）仍保留着对该DataFrame的引用，因此DataFrame对象的引用计数未归零，不会被垃圾回收，grp自然能继续访问数据。

结合Pandas 2.2.2的具体说明 #

在Pandas 2.2.2中，GroupBy对象的核心设计就是依赖原数据的引用而非副本：

• 你可以直接通过grp.obj查看GroupBy绑定的原DataFrame对象（在del df之前，grp.obj is df会返回True，证明是同一个对象）。
• 若在创建GroupBy后修改原DataFrame（比如df['C'] = df['C'] * 2），再调用grp.transform(lambda x: x)会返回修改后的数据，这进一步证明GroupBy使用的是原数据的引用，而非创建时的副本。

验证是否为副本的更直接方法 #

如果想明确验证GroupBy是否存储副本，可以做以下测试：

import pandas as pd

# 创建测试DataFrame
df = pd.DataFrame({'A': [1,1,2], 'B': ['x','x','y'], 'C': [10,20,30]})
grp = df.groupby(['A','B'])

# 修改原DataFrame
df['C'] = df['C'] + 5

# 查看GroupBy的结果
print(grp.sum())
# 输出会是修改后的值：A=1,B=x时C=40（15+25），A=2,B=y时C=35，证明GroupBy用的是原数据引用

内容的提问来源于stack exchange，提问作者user2585330