关于Pandas 2.2.2+中Copy-on-Write(CoW)跨函数修改行为的疑问

结论先行 #

你的测试结果是预期行为，你对文档中"Only one pandas object is updated at once"的表述存在误解。

CoW的核心作用是什么？ #

Copy-on-Write的核心设计目标是：当多个Pandas对象共享同一底层数据缓冲区时，修改其中一个对象会自动触发数据复制，确保其他共享数据的对象不受影响。它解决的是「多个对象共享数据时互相干扰」的问题，而非「阻止函数对传入对象的原地修改」。

举个符合CoW预期行为的例子：

import pandas as pd
pd.options.mode.copy_on_write = True

df = pd.DataFrame({"a": [0], "b": [1]})
df_shared = df  # 共享底层数据，未触发复制

df_shared["b"] += 1  # 修改共享对象，触发CoW复制
print(df)       # 原对象不受影响：   a  b
                #               0  0  1
print(df_shared)# 修改后的对象：     a  b
                #               0  0  2

你的代码为什么会修改原对象？ #

在你的代码中，change_df函数接收的是原DataFrame的引用，你直接对这个引用指向的对象做了原地修改（df["b"] += 1）。这种场景下不存在「多个对象共享数据」的情况，CoW不会触发复制，修改会直接作用在原对象上，自然会影响调用者。

开启CoW后，如何保证函数不修改输入参数？ #

如果你需要函数完全不修改传入的DataFrame，仍然需要通过以下方式处理：

• 方式1：显式创建副本
  在函数开头复制输入的DataFrame，后续操作副本：

  def change_df(df):
      df = df.copy()  # 显式创建副本
      df["b"] += 1
  

• 方式2：使用非原地修改API
  优先使用返回新对象的Pandas方法，避免原地修改，比如assign：

  def change_df(df):
      # 返回新的DataFrame，不修改原对象
      return df.assign(b=df["b"] + 1)
  
  # 调用时接收返回值
  def main():
      df = pd.DataFrame({"a": [0], "b": [1]})
      new_df = change_df(df)
      print(df)    # 原对象不变
      print(new_df)# 新对象是修改后的结果
  

对文档表述的正确理解 #

"Only one pandas object is updated at once"这句话的适用场景是多个对象共享底层数据的情况：当你修改其中一个对象时，只有该对象会被更新，其他共享数据的对象不会受到影响，这和跨函数调用的对象引用修改是两个不同的概念。

内容的提问来源于stack exchange，提问作者ManuR