处理同一DataFrame时是否需使用copy方法？两段代码是否等价？

一、处理DataFrame时是否需要用copy方法？ #

• Pandas对DataFrame做列选择、切片这类操作时，默认返回的是原数据的视图，而非独立的新对象。如果后续要对这个结果做修改操作，很可能触发SettingWithCopyWarning，甚至不小心改动原DataFrame的数据。
• 如果你需要操作的是和原数据完全独立的新数据集，避免后续操作影响原数据，就必须用.copy()生成深拷贝；如果只是读取数据、不需要修改，或者明确接受视图和原数据的关联，也可以不用。

二、两段代码的等价性分析 #

先看两段代码：
第一段代码：

df_av = df_av[['plan_name', 'ADO_ver', 'ADO_incr']].copy()
df_av = df_av.dropna(how='all').copy()

第二段代码：

df_av = df_av[['plan_name', 'ADO_ver', 'ADO_incr']]
df_av = df_av.dropna(how='all')

结论：两段代码的最终结果完全等价，但中间过程有差异 #

1. 最终结果一致：dropna(how='all')本身会返回一个新的DataFrame对象（不是视图），不管前面的切片是视图还是拷贝，最后df_av都会被赋值为这个新对象，所以最终存储的数据内容完全相同。
2. 中间过程差异：
   • 第一段的第一个.copy()生成了切片的独立拷贝，和原df_av没有关联；
   • 第二段的切片是原数据的视图，但因为后续直接把df_av覆盖为dropna的结果，这个视图没有被后续修改，所以不会影响最终结果。

内容的提问来源于stack exchange，提问作者fransua