Python中DataFrame赋值是否指向同一内存对象？

你猜的没错，Python里的变量赋值（比如df = myObject.df）并不是创建副本，而是让新变量df和myObject.df指向同一个内存中的DataFrame对象，和C语言里的指针概念类似，Python里称这种机制为“引用传递”。

原因解析： #

• Pandas的DataFrame属于可变对象，对可变对象进行赋值操作时，传递的是对象的引用，而非整个对象的内容拷贝。
• 当你执行df["error_value"] = ""时，本质是直接修改这个被共享的DataFrame对象本身，所以myObject.df作为同一对象的引用，自然会同步看到这个新增列的变化。

解决方法：创建独立副本 #

如果想让df成为原DataFrame的独立副本，避免修改原对象，需要使用DataFrame的copy()方法：

df = myObject.df.copy()
df["error_value"] = ""  # 此时仅修改df，myObject.df不会受影响

• 默认的copy()是浅拷贝，若DataFrame包含嵌套的可变对象（如列表），需使用copy(deep=True)进行深拷贝，确保所有嵌套层级的对象都被独立复制。

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