如何复制DataFrame中含集合的列且修改新列不影响原列？

你遇到的问题核心在于可变对象的浅拷贝特性：集合（set）是Python中的可变对象，xy[2].copy()对Series做的是浅拷贝——它只是复制了每个元素（也就是集合对象）的引用，而不是为每个集合创建一个全新的副本。这就导致新列3和原列2里的集合指向的是同一个内存对象，修改其中一个，另一个自然也会跟着变。

两种可行的解决方案 #

1. 用apply(set)生成新集合

可以通过apply方法，对原列的每个集合调用set()构造函数，生成一个独立的新集合：

import pandas as pd

xy = pd.DataFrame(columns=[2])
xy.at[1, 2] = {1,2,3,4}
# 用apply创建每个集合的副本
xy[3] = xy[2].apply(set)
xy.at[1,3].add(5)

print(xy)

输出结果会符合你的预期：

2                3
1  {1,2,3,4}  {1,2,3,4,5}

2. 使用深拷贝（copy.deepcopy）

如果你的集合里还嵌套了其他可变对象，深拷贝会更稳妥。先导入copy模块，然后对每个集合做深拷贝：

import pandas as pd
import copy

xy = pd.DataFrame(columns=[2])
xy.at[1, 2] = {1,2,3,4}
# 对每个集合执行深拷贝
xy[3] = xy[2].apply(copy.deepcopy)
xy.at[1,3].add(5)

print(xy)

这个方法同样能得到你想要的结果，而且适用于更复杂的嵌套可变对象场景。

验证独立性 #

你可以通过打印两个集合的内存地址来确认它们已经是独立对象了：

print(id(xy.at[1,2]))
print(id(xy.at[1,3]))

输出的两个ID会完全不同，说明它们指向的是内存中两个不同的集合，修改其中一个不会影响另一个。

内容的提问来源于stack exchange，提问作者Radeau