关于DataFrame合并与复制操作的疑问：为何列D值发生变化？

问题核心是Pandas中DataFrame直接赋值是引用传递，而非数据拷贝：

• 当你执行dataframe1 = testframe时，并没有生成testframe的副本，而是让dataframe1和testframe指向内存中同一个DataFrame对象。任何对其中一个变量的原地（inplace）修改，都会直接作用于这个共享对象，另一个变量的内容也会同步改变。

拆解你的代码操作影响：

1. 初始创建testframe，列包含A、B、C、D，D列值为1。
2. dataframe1 = testframe后，两个变量完全共享同一对象，没有独立的数据副本。
3. 执行dataframe1.drop(['C'], axis=1, inplace=True)：因为inplace=True，直接修改了共享的DataFrame，此时testframe也已经没有C列（你最终输出中出现C列，可能是代码执行过程中存在未标注的操作，或是误解了testframe的实时状态）。
4. 你注释中提到的修改dataframe1的D列值为2这一步：由于两个变量共享对象，testframe的D列值也同步变成了2——这就是你疑惑的D列值变化的原因。
5. 后续dataframe1.rename(columns={"D": "E"}, inplace=True)同样是原地修改共享对象，此时testframe的列也变为A、B、E。
6. 最后合并操作时，你实际上是让同一个对象和自身进行join，最终输出的重复列（D、E）也源于此。

如果要避免这种相互影响的情况，需要创建独立的副本，改用：

dataframe1 = testframe.copy()  # 深拷贝，生成完全独立的DataFrame对象

内容的提问来源于stack exchange，提问作者Rui