Pandas使用map()修改单列时其他列被改动的解决方法

我尝试修改Pandas DataFrame的单列值，但使用map()函数时，另一无关列的数值也发生了变化，怎么实现只改单列？以下是我的代码、当前输出及期望输出：

columns = [[[776, 114, 67, 47], [776, 167, 67, 52], [776, 224, 67, 62],[776, 291, 67, 58],[776, 355, 67, 52]], 
    [[849, 114, 76, 48], [849, 167, 76, 52],[849, 225, 76, 61],[849, 291, 76, 59],[849, 355, 75, 53]],
    [[930, 115, 113, 47], [930, 168, 113, 51], [930, 225, 113, 61], [930, 292, 113, 58], [930, 355, 113, 53]]]

dic = {'A': columns[0], 'B': columns[0], 'C': columns[1], 'D': columns[2]}
df = pd.DataFrame.from_dict(dic)


def subs(x):
    x[0] = 230
    x[2] = 533
    return x


df['A'] = df['A'].map(subs)

当前输出 #

A                   B                  C                    D
0   [230, 114, 533, 47] [230, 114, 533, 47] [849, 114, 76, 48]  [930, 115, 113, 47]
1   [230, 167, 533, 52] [230, 167, 533, 52] [849, 167, 76, 52]  [930, 168, 113, 51]
2   [230, 224, 533, 62] [230, 224, 533, 62] [849, 225, 76, 61]  [930, 225, 113, 61]
3   [230, 291, 533, 58] [230, 291, 533, 58] [849, 291, 76, 59]  [930, 292, 113, 58]
4   [230, 355, 533, 52] [230, 355, 533, 52] [849, 355, 75, 53]  [930, 355, 113, 53]

期望输出 #

A                   B                  C                    D
0   [230, 114, 533, 47] [776, 114, 67, 47]  [849, 114, 76, 48]  [930, 115, 113, 47]
1   [230, 167, 533, 52] [776, 167, 67, 52]  [849, 167, 76, 52]  [930, 168, 113, 51]
2   [230, 224, 533, 62] [776, 224, 67, 62]  [849, 225, 76, 61]  [930, 225, 113, 61]
3   [230, 291, 533, 58] [776, 291, 67, 58]  [849, 291, 76, 59]  [930, 292, 113, 58]
4   [230, 355, 533, 52] [776, 355, 67, 52]  [849, 355, 75, 53]  [930, 355, 113, 53]

问题原因 #

核心是可变对象的引用传递：

• 创建字典时，'A'和'B'都指向了同一个列表对象columns[0]，Python中列表是可变对象，赋值操作只是传递引用，不是复制内容。
• subs函数直接修改了传入的列表x的元素，这会直接修改内存中该列表的原始数据，导致所有指向这个列表的列（也就是'B'列）同步变化。

解决方案 #

方案1：创建DataFrame时复制列表，让列指向独立对象 #

修改字典定义，对columns[0]进行深度复制，确保'A'和'B'使用不同的列表实例：

# 复制每个子列表，避免引用同一对象
dic = {'A': [lst.copy() for lst in columns[0]], 
       'B': columns[0], 
       'C': columns[1], 
       'D': columns[2]}
df = pd.DataFrame.from_dict(dic)

def subs(x):
    x[0] = 230
    x[2] = 533
    return x

df['A'] = df['A'].map(subs)

方案2：修改subs函数，返回新列表而非修改原对象 #

不修改原始列表，创建副本并修改后返回，避免影响原对象：

def subs(x):
    # 创建原列表的副本，修改副本后返回
    new_x = x.copy()
    new_x[0] = 230
    new_x[2] = 533
    return new_x

df['A'] = df['A'].map(subs)

两种方案都能得到期望输出：方案2更直接，适合仅需修改单列的场景；方案1更彻底，适合需要长期保证列独立性的场景。

内容的提问来源于stack exchange，提问作者Hugo Pinho