Pandas中引用DataFrame元素的函数里'is'与'=='的异常行为

一、获取指定位置元素的高效内置方法 #

不用自己编写函数，pandas内置的iloc（按位置索引）和loc（按标签索引）就是最安全高效的方式：

• 按行/列的位置索引：df.iloc[row_position, col_position]
• 按行/列的标签索引：df.loc[row_label, col_label]

你自己写的datframe[col][row]属于链式索引，存在返回副本的风险，官方更推荐使用iloc/loc的单步索引方式。

二、is判断出现差异的底层原因 #

先还原你的测试案例：

df = pd.DataFrame({'A': ['one', 'two', 'three'] , 'B': ['foo', 'bar', 'foo'], 'C':[1,2,3], 'D':[4,5,6]}, index = [0,1,2])

def testr(datframe,row,col):
    return datframe[col][row]

# 字符串元素判断
print(df.loc[0,'B'] is testr(df,0,'B'))  # 输出True
# 数值元素判断
print(df.loc[0,'C'] is testr(df,0,'C'))  # 输出False

1. 字符串元素is判断为True的原因 #

Python对短字符串、常用字符串会做**字符串驻留（string interning）**优化——相同内容的字符串会被存在内存的同一个位置，复用同一个对象引用。

而pandas的字符串列（object类型）存储的就是Python字符串对象的引用，所以不管是通过loc还是链式索引取出的字符串，都是指向同一个驻留的字符串对象，is判断自然返回True。

2. 数值元素is判断为False的原因 #

pandas的数值列（比如int、float）是基于numpy数组存储的，numpy数组会把数值以原始二进制的形式存在连续内存块里，而非存储Python对象的引用。

当你取出单个数值时，pandas会把numpy里的原始数值重新包装成一个新的Python int/float对象返回。哪怕是同一个位置的数值，每次取出都会生成一个新的Python对象，两个对象的内存地址不同，所以is判断返回False。

3. ==判断正常的原因 #

==判断的是值的相等性，只要两个对象的内容一致就返回True；而is判断的是对象引用的同一性，只有两个变量指向内存中同一个对象时才会返回True。

内容的提问来源于stack exchange，提问作者gcfitzgerald