如何深度拷贝含Python对象的Pandas DataFrame避免相互影响？

当使用copy.deepcopy()或Pandas自带的df.copy(deep=True)拷贝包含嵌套列表的DataFrame时，修改原DataFrame中的列表元素会波及拷贝后的对象——这是因为Pandas的深拷贝不会递归处理单元格内的可变嵌套对象（比如列表），导致原对象和拷贝对象共享同一个列表引用。

以下是几种实现真正深度拷贝的方案，确保拷贝后的tmp不受原DataFrame修改影响：

方法1：对每个单元格单独做深度拷贝 #

使用applymap()遍历DataFrame的每个单元格，对每个对象执行copy.deepcopy()，彻底切断嵌套对象的引用关联：

import pandas as pd
import copy

# 构造示例DataFrame
df = pd.DataFrame({
    'species': [['cat'], ['dog'], ['cat', 'dog']],
    'count': [1, 2, 3]
})

# 执行真正的深度拷贝
tmp = df.applymap(copy.deepcopy)

# 修改原DataFrame的嵌套列表
df.loc[2, 'species'].append('bird')

# 验证结果
print(df.loc[2, 'species'])       # 输出: ['cat', 'dog', 'bird']
print(tmp.loc[2, 'species'])      # 输出: ['cat', 'dog']

方法2：通过字典序列化重新构造DataFrame #

将原DataFrame转为字典后重新构造新的DataFrame，序列化过程会自动创建嵌套对象的新实例：

tmp = pd.DataFrame(df.to_dict(orient='records'))

此方法操作简洁，但对于大型DataFrame，效率略低于方法1。

方法3：单独处理含嵌套对象的列 #

如果只有部分列包含嵌套列表，可先做DataFrame深拷贝，再对目标列单独执行深度拷贝，提升效率：

tmp = df.copy(deep=True)
# 仅对包含嵌套列表的列做深度拷贝
tmp['species'] = tmp['species'].apply(copy.deepcopy)

关键注意点 #

Pandas自带的df.copy(deep=True)和标准库的copy.deepcopy()仅会拷贝DataFrame的顶层结构，不会递归处理单元格内的可变嵌套对象（如列表、字典），因此必须针对这些嵌套对象额外执行深度拷贝操作。

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