为何Pandas中loc两种取值操作对原DataFrame的影响不同？

场景1：单列索引（字符串） #

df = pd.DataFrame({'a':[1,2,3], 'b':[4,5,6]})
df2 = df.loc[:,'a']
df2.loc[0] = 10
print(df)
print(df2)

输出：

a  b
0  10  4
1   2  5
2   3  6
0    10
1     2
2     3
Name: a, dtype: int64

场景2：列表索引（单元素列表） #

df = pd.DataFrame({'a':[1,2,3], 'b':[4,5,6]})
df3 = df.loc[:,['a']]
df3.loc[0] = 10
print(df)
print(df3)

输出：

a  b
0  1  4
1  2  5
2  3  6
    a
0  10
1   2
2   3

核心原因：视图（View） vs 副本（Copy） #

• 第一种写法 df.loc[:,'a'] 返回的是原DataFrame对应列的视图（Series类型），它和原数据共享内存空间。修改df2时本质是直接操作原DataFrame的底层数据，所以原df会同步变化。
• 第二种写法 df.loc[:,['a']] 返回的是原数据的副本（DataFrame类型），相当于基于原数据的指定列新建了一个独立的数据集。修改df3只会改动这个新对象，和原df完全无关。

直白点说：用单个字符串取列拿到的是原数据的“引用”，用列表取列拿到的是原数据的“快照”。

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