为何使用copy=False的rename后修改df1不影响原DataFrame？

你遇到的问题核心在于两个关键点：rename(copy=False)的实际行为，以及isetitem操作的本质。

1. rename(columns={'b':'b'}, copy=False)的行为 #

当你调用rename但没有实际修改任何列名时（比如这里把b重命名为b），即使设置了copy=False，pandas也会创建一个新的DataFrame对象，不过这个新对象的列数据初始时和原df是共享的（浅拷贝，对象不同但底层数据数组是同一个）。你可以通过以下代码验证：

import pandas as pd
df = pd.DataFrame({'a': [1,2,3], 'b': [4,5,6]})
df1 = df.rename(columns={'b':'b'}, copy=False)
print(df1 is df)  # 输出False，说明是不同对象
print(df1['b'] is df['b'])  # 输出True，说明列数据共享

2. isetitem操作的本质 #

df1.isetitem(1, [7,8,9])是替换整个列的操作：它会把df1的第1列（即b列）替换成一个全新的数组（列表[7,8,9]会被转换为pandas的数组对象）。这个操作会切断df1的b列和原df的b列之间的数据共享关系——此时df1的b列指向新数组，而df的b列仍指向原来的数组，所以修改df1的列不会影响df。

验证与解决方法 #

如果想要修改df1后同步影响df，你需要修改列内的元素而非替换整个列，比如：

# 方法1：直接修改列的元素（切片赋值）
df1['b'][:] = [7,8,9]
# 方法2：修改底层数组
df1['b'].values[:] = [7,8,9]

执行上述操作后，df的b列会同步变为[7,8,9]，因为你修改的是共享的底层数组内容，而非替换列对象。

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