DataFrame转numpy数组后值同步变化但id()显示内存地址不同的疑问

核心问题：你检查的不是底层共享内存的地址 #

当通过df['column1'].to_numpy()生成数组时，只要列的数据类型是numpy兼容的原生类型（比如示例中的int64），返回的数组会直接引用DataFrame列的底层内存缓冲区——这才是修改数组后DataFrame同步变化的根本原因。但你用id(i)查看的是遍历过程中生成的Python整数对象的地址，和底层内存块完全无关。

1. 遍历操作会生成临时Python对象 #

• 遍历pandas Series（df['column1']）时，每一个元素都会被转换为Python的int对象，这些对象要么是临时创建的，要么来自Python的小整数缓存池，它们的id是这些Python对象在堆内存中的地址，和DataFrame底层的numpy存储无关。
• 遍历numpy数组时，取出的元素同样会被“装箱”成Pythonint对象，这些对象的id也不是底层数组中原始数值的存储地址。

2. 小整数缓存导致重复id #

Python会自动缓存**-5到256之间的整数**，当取出这个范围内的整数时，会复用同一个Python对象。示例中col1_arr[0]（100）和col1_arr[2]（33）都属于这个范围，所以会共享同一个对象，出现id相同的情况。

验证内存共享的正确方式 #

要确认DataFrame列和numpy数组是否共享内存，应该检查它们底层数组的内存地址，而非单个元素的Python对象id：

# 查看DataFrame列底层数组的内存起始地址
print(hex(df['column1'].values.base.__array_interface__['data'][0]))
# 查看to_numpy()生成数组的内存起始地址
print(hex(col1_arr.__array_interface__['data'][0]))

运行后会发现两个地址完全一致，证明二者共享同一块底层内存缓冲区。

总结 #

• 修改数组后DataFrame同步更新，是因为二者共享底层numpy内存块，而非单个Python元素对象。
• id(i)返回的是遍历生成的Python整数对象地址，和底层存储无直接关联。
• 数组中元素id重复是Python小整数缓存机制的正常表现。

内容的提问来源于stack exchange，提问作者Kaiser