复制后的DataFrame与源DataFrame是否等价？为何地址独立却同步变更？

问题现象 #

执行以下步骤后，发现两个DataFrame的内存地址完全独立，但修改其中一个的元素时，另一个的内容也会同步变更：

• 创建原始DataFrame
• 通过pd.DataFrame(原DataFrame)创建复制版
• 修改源DataFrame的元素
• 修改复制后DataFrame的元素
• 检查两者的内存地址与内容

代码示例 #

import pandas as pd  

gl_stock_001 = pd.DataFrame({'prc': [3], 'sum': [2], 'dif': [1]})
stock_copy = pd.DataFrame(gl_stock_001)
display(gl_stock_001)
display(stock_copy)
print(id(gl_stock_001), id(stock_copy))

gl_stock_001.loc[0,'sum'] = 777
stock_copy.loc[0,'dif'] = 333
display(gl_stock_001)
display(stock_copy)
print(id(gl_stock_001), id(stock_copy))

操作结果 #

原因解析 #

这是因为你使用的是**Pandas的浅拷贝（Shallow Copy）**机制：

1. 当通过pd.DataFrame(原DataFrame)构造新对象时，Pandas会创建一个新的DataFrame实例（所以id()返回的内存地址不同），但这个新对象并不会复制底层的实际数据（即存储列值的numpy数组），而是直接共享原DataFrame的数据块。
2. 当你通过loc修改元素时，本质是在修改共享的底层数据数组，因此两个DataFrame都会同步显示修改后的结果。
3. 如果需要创建完全独立、修改互不影响的拷贝，应该使用DataFrame的copy()方法（默认deep=True，可直接写stock_copy = gl_stock_001.copy()），这样会完整复制底层数据，实现真正的独立拷贝。

内容的提问来源于stack exchange，提问作者WD168