为何链式调用中drop_duplicates(inplace=True)无法修改原DataFrame？

示例数据 #

data = [[1, 'john@example.com'], [2, 'bob@example.com'], [3, 'john@example.com']]
person = pd.DataFrame(data, columns=['id', 'email']).astype({'id':'int64', 'email':'object'})

可复现代码（不生效的链式调用） #

(person.sort_values(by = ['email', 'id'], ascending = [True, True])
     .drop_duplicates(subset = 'email', keep = 'first', inplace = True))

预期结果 #

id             email
1   2   bob@example.com
0   1  john@example.com

实际结果（原person未变化） #

id             email
0   1  john@example.com
1   2   bob@example.com
2   3  john@example.com

生效的拆分写法 #

person1 = person.sort_values(by = ['email', 'id'], ascending = [True, True])
person1.drop_duplicates(subset = 'email', keep = 'first', inplace = True)

此时person1符合预期：

id             email
1   2   bob@example.com
0   1  john@example.com

原因解释 #

核心问题出在**sort_values()默认返回原DataFrame的副本**，而非直接操作原对象。

链式调用时，person.sort_values(...)会生成一个全新的临时DataFrame对象，后续的drop_duplicates(inplace=True)确实原地修改了这个临时对象，但这个临时对象没有被赋值给任何变量，操作完成后就被Python垃圾回收了，完全碰不到原来的person变量，所以原person自然保持原样。

而拆分写法中，我们把sort_values()返回的副本赋值给了person1，此时drop_duplicates(inplace=True)修改的是person1指向的这个副本，所以能看到预期效果。

正确的链式调用写法（修改原对象） #

如果想用链式调用同时修改原person，不要用inplace=True，而是把链式调用的结果重新赋值给person：

person = person.sort_values(by=['email', 'id'], ascending=[True, True])\
               .drop_duplicates(subset='email', keep='first')

这样person就会被替换成排序并去重后的新DataFrame，达到预期效果。

内容的提问来源于stack exchange，提问作者Amazonian