Python中pandas的copy()方法失效问题及正确用法咨询

我有一个pandas DataFrame，希望创建它的副本并在副本上执行操作，确保不影响原数据。但使用.copy()方法后，原数据仍被修改了。以下是我的代码：

import pandas as pd
import numpy as np

x = np.array([1,2])
df = pd.DataFrame({'A': [x, x, x], 'B': [4, 5, 6]})

duplicate = df.copy()
duplicate['A'].values[0][[0,1]] = 0

print(duplicate)
print(df)

输出结果：

A  B
0  [0, 0]  4
1  [0, 0]  5
2  [0, 0]  6
        A  B
0  [0, 0]  4
1  [0, 0]  5
2  [0, 0]  6

可以看到原数据集df也受到了影响，请问这是什么原因，正确的做法应该是什么？

问题原因 #

1. 元素引用重复：创建df时，A列的三个元素都指向同一个numpy数组x，三者共享同一个内存对象，修改其中任何一个都会同步影响其他元素。
2. copy()的行为限制：df.copy()默认是深拷贝（deep=True），但它仅复制DataFrame的结构和元素的引用，不会对numpy数组这类可变对象本身进行递归深拷贝。因此修改副本中数组的内容时，原DataFrame里的数组引用也会同步看到变化。

正确做法 #

方法1：创建DataFrame时使用独立数组元素 #

避免多个元素共享同一数组引用，每个元素生成独立的numpy数组：

import pandas as pd
import numpy as np

# 每个元素都是新的数组，无引用共享
df = pd.DataFrame({'A': [np.array([1,2]), np.array([1,2]), np.array([1,2])], 'B': [4, 5, 6]})

duplicate = df.copy()
duplicate['A'].values[0][[0,1]] = 0

print(duplicate)
print(df)

方法2：对副本的object列做元素级深拷贝 #

针对已存在的共享引用DataFrame，先断开A列元素的引用关联，再修改：

import pandas as pd
import numpy as np

x = np.array([1,2])
df = pd.DataFrame({'A': [x, x, x], 'B': [4, 5, 6]})

duplicate = df.copy()
# 对A列每个数组独立拷贝，切断与原数组的引用
duplicate['A'] = duplicate['A'].apply(lambda arr: arr.copy())

duplicate['A'].values[0][[0,1]] = 0

print(duplicate)
print(df)

方法3：使用标准库做完全深拷贝 #

借助copy.deepcopy()递归拷贝所有层级的对象，彻底断开与原DataFrame的关联：

import pandas as pd
import numpy as np
import copy

x = np.array([1,2])
df = pd.DataFrame({'A': [x, x, x], 'B': [4, 5, 6]})

# 完全深拷贝所有嵌套对象
duplicate = copy.deepcopy(df)
duplicate['A'].values[0][[0,1]] = 0

print(duplicate)
print(df)

内容的提问来源于stack exchange，提问作者Amin Shn