启用Pandas Copy-on-Write(CoW)后，DataFrame赋值为何不生成新副本？

首先得明确：Pandas官方文档里说的“派生对象始终表现为副本”，不是指立即创建物理内存副本，而是指逻辑上的独立副本行为——这正是CoW（写时复制）的核心设计：延迟复制，只有当修改操作发生时，才会真正生成物理上的独立副本。

为什么赋值后内存地址还相同？ #

当你执行df1 = df2这种简单变量赋值时，CoW模式下只是给底层的共享数据块多添加了一个引用，并没有立即复制内存。这时候两个DataFrame共享同一块物理内存，但逻辑上是完全独立的——你对其中任意一个做修改操作时，Pandas会自动触发复制，生成新的内存块，此时二者的内存地址才会分离，确保原数据不会被意外修改。

实际测试验证 #

用代码演示这个过程：

import pandas as pd

# 启用CoW模式
pd.set_option('mode.copy_on_write', True)

# 创建原始DataFrame
df2 = pd.DataFrame({'col1': [1, 2, 3], 'col2': [4, 5, 6]})
# 赋值给df1
df1 = df2

# 检查底层数据的内存地址，此时二者共享同一块内存
print(df1._mgr.blocks[0].values.base is df2._mgr.blocks[0].values.base)  # 输出: True

# 修改df1的内容
df1['col1'] = [10, 20, 30]

# 再次检查内存地址，此时已经生成独立副本，地址不同
print(df1._mgr.blocks[0].values.base is df2._mgr.blocks[0].values.base)  # 输出: False

对官方文档描述的正确理解 #

官方文档里的“表现为副本”，重点在行为表现：无论你是赋值、切片还是其他派生操作，得到的对象在逻辑上都是独立的，修改它不会影响原对象。而物理上的复制只会在必要时（修改操作）才进行，这样既保证了数据安全，又避免了不必要的内存浪费，提升了性能。

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