使用inplace=True重命名DataFrame列是否无复制操作？是否存在问题？

已有大量文献探讨处理DataFrame时使用inplace=True的弊端，但用inplace=True重命名列是否安全？执行df.rename(columns={'old': 'new'}, inplace=True)时，是否有数据块被复制并丢弃？

另外通过计时测试发现，原地重命名列比赋值拷贝更快，且大型DataFrame下速度优势更显著，耗时不依赖DataFrame大小。测试代码及结果如下，能否据此得出后台未进行数据复制的结论？

• 重命名列用inplace=True是安全的：DataFrame的列名属于元数据（而非实际存储的数值数据块），rename(..., inplace=True)仅直接修改原DataFrame对象的列名属性，不会触碰底层的数值数据，不存在数据丢失或意外篡改的风险。

• 计时结果可证明无数据复制：你的测试里，原地操作耗时仅约0.003秒，远低于非原地操作的0.17秒，且耗时不随DataFrame大小变化——如果存在数据复制，大型DataFrame的操作耗时会显著上升。这完全符合“仅修改元数据”的特征：元数据修改的开销极小，和数据量无关。

• 非原地操作更慢的原因：执行df = df.rename(...)时，Pandas会创建新的DataFrame对象，即便底层数据可能是原数据的视图（未复制），但新对象的创建、元数据拷贝等步骤仍会产生额外开销，这就是非原地操作耗时更高的核心原因。

测试代码 #

import numpy as np
import pandas as pd
import time

df = pd.DataFrame(np.random.rand(10**6,5), columns=list('abcde'))
d1 = dict(zip(list('abcde'),list('ABCDE')))
d2 = dict(zip(list('ABCDE'),list('abcde')))
t0 = time.perf_counter()
for i in range(10):
    df.rename(columns=d1, inplace=True)
    df.rename(columns=d2, inplace=True)
t1 = time.perf_counter()
for i in range(10):
    df = df.rename(columns=d1)
    df = df.rename(columns=d2)
t2 = time.perf_counter()
print('inplace :  ', t1-t0)
print('df = df :  ', t2-t1)

测试结果 #

inplace :   0.003490000000000215
df = df :   0.1703701999999998

内容的提问来源于stack exchange，提问作者Martin R