为何DataFrame副本的索引列会同步到原数据？如何避免？

问题核心在于**df1 = df并没有创建DataFrame的独立副本**，只是让df1成为原DataFrame的引用别名——后续对df1的所有修改都会直接同步到原df上。

要彻底隔离原数据和检查用的副本，只需把赋值语句改成真正的拷贝：

• 将df1 = df替换为df1 = df.copy()

修改后的完整代码：

d0 = {'col1': [0, 1, 1, 2], 'col2': [3,4,7,8]}
d1 = {'a':'e', 'b':'e','c':'f','d':'g'}
df = pd.DataFrame(data=d0, index=['a','b','c','d'])

def func(df):
    # 创建原DataFrame的深副本，完全隔离原数据
    df1 = df.copy()
    # 用index.map替代循环，更简洁高效
    df1['mapped index'] = df1.index.map(d1.get)
    df1 = df1.set_index('mapped index', append=True)
    df1 = df1.droplevel(0)
    checks = []
    for col in df1:
        check = df1.loc['f', col] == df1.loc['e', col].sum()
        checks.append(check)
    return all(checks)

checks = func(df)
print("Checks: ", checks)
print(df)

运行后原df不会再出现mapped index列，输出结果：

Checks:  True
   col1  col2
a     0     3
b     1     4
c     1     7
d     2     8

补充说明：df.copy()默认是深拷贝（deep=True），会完整复制所有数据结构；如果确认数据没有嵌套对象，也可以用df.copy(deep=False)做浅拷贝，性能略高，但深拷贝在大多数场景下更安全。

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