Series.astype设copy=False时类型不同仍生成副本的技术问询

当执行以下代码时，修改s2会同步改变s1：

import pandas as pd
s1 = pd.Series([1, 2])
s2 = s1.astype('int64', copy=False)
s2[0] = 10
print(s1)
# 输出：
# 0    10
# 1     2
# dtype: int64

但当原序列包含浮点数时，修改s2无法同步改变s1：

s1 = pd.Series([1, 2.0])
s2 = s1.astype('int64', copy=False)
s2[0] = 10
print(s1)
# 输出：
# 0    1.0
# 1    2.0
# dtype: float64

为什么会出现这种差异？

核心在于astype('int64', copy=False)中copy=False的实际行为，以及数据类型转换是否可以原地完成：

• 第一种情况（原Series为int64类型）：
  当你对int64类型的Series调用astype('int64')时，目标类型和原类型完全一致。此时copy=False会让pandas直接返回原数据的视图（共享内存），而非创建副本。所以修改s2的元素时，本质是在修改同一块内存中的数据，s1自然会同步变化。

• 第二种情况（原Series为float64类型）：
  原数据是float64类型，要转换为int64类型，两者的内存存储格式完全不同（浮点数遵循IEEE 754标准，整数是二进制补码形式），无法在原内存块上直接修改类型并存储数据。此时即使指定了copy=False，pandas也必须创建新的内存块来存储转换后的int64数据，也就是s2是s1的副本，两者指向不同的内存空间。修改s2只会改变新内存块的数据，不会影响原s1。

额外说明：copy=False的含义是「尽可能避免复制」，而非「绝对禁止复制」。当类型转换涉及存储格式变更、原数组内存布局不兼容新类型，或者原数组是只读的情况下，pandas都会自动创建副本，忽略copy=False的设置。

你可以通过查看数组的底层内存对象验证这一点：

# 第一种情况
s1 = pd.Series([1, 2])
s2 = s1.astype('int64', copy=False)
print(s1.values.base is s2.values.base)  # 输出：True，共享内存

# 第二种情况
s1 = pd.Series([1, 2.0])
s2 = s1.astype('int64', copy=False)
print(s1.values.base is s2.values.base)  # 输出：False，各自独立内存

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