为何Pandas DataFrame函数可新增列却无法实现行子集化？

这是因为Python可变对象的引用传递规则与pandas的操作特性共同导致的：

• 添加新列是原地修改原对象
  函数里的a_dataframe一开始是原frame的引用，执行a_dataframe["new_col"] = "new_value"时，属于对可变对象（DataFrame）的原地修改操作，直接改变了原frame的内容，所以外部的frame能看到新增的列。

• 截取前10行是创建新对象，未改变原引用
  a_dataframe.iloc[0:10,:]会生成一个原DataFrame的子集新对象，而a_dataframe = ...只是把函数内部的局部变量重新指向了这个新对象，并没有修改外部frame原本指向的原对象，所以外部的frame仍保留100行。

如果要实现既添加列又让原对象变为前10行，有两种常用方式：

方式一：函数返回新对象，外部重新赋值 #

def test(a_dataframe):
    a_dataframe["new_col"] = "new_value"
    return a_dataframe.iloc[0:10,:]

frame = test(frame)

方式二：原地删除多余行（不推荐处理大数据集） #

def test(a_dataframe):
    a_dataframe["new_col"] = "new_value"
    # 原地删除第10行及之后的所有行
    a_dataframe.drop(a_dataframe.index[10:], inplace=True)

内容的提问来源于stack exchange，提问作者Eddy