pandas中=复制DataFrame后iloc切片为何未同步修改关联变量？

这个现象核心是Python的变量赋值规则，加上Pandas不同操作的行为差异共同导致的，和你有没有用copy没有直接关系。 #

Python变量的基本逻辑 #

Python里的变量从来不是装数据的容器，只是贴在内存中实际对象上的名字条：

• 你写df2 = df的时候，根本没有生成新的DataFrame，只是给内存里已经存在的那个3行的原始行星DataFrame，多贴了一张写着df2的名字条。这时候df和df2指的是完完全全同一个东西，你改这个对象里的内容，两个名字访问到的结果当然一起变。
  这时候你跑id(df) == id(df2)，结果肯定是True，两个变量指向同一块内存地址。

两次操作的本质区别 #

你前后两次写的带df的代码，行为逻辑完全不一样：

原地修改操作：df["mass"]["earth"] = 100 #

这行代码是直接钻进df和df2共同指向的那个原始DataFrame里，把对应位置的值改了，全程没有生成新的DataFrame对象。就好比你给同一个房子换了块窗玻璃，不管你从挂着df门牌号的入口进，还是从挂着df2门牌号的入口进，看到的都是换完的玻璃，两边同步变是正常的。

提一句：这种连续用方括号索引再赋值的写法属于链式索引，是Pandas官方不推荐的写法，有些场景下链式索引拿到的是数据副本而非原数据，会出现赋值了但结果没生效的问题，规范写法是用.loc单步赋值：df.loc["earth", "mass"] = 100

变量重绑定操作：df = df.iloc[:2,:] #

首先要明确：iloc做切片从来不会改原始的DataFrame，它的返回值是一个新生成的对象——根据切片规则不同，这个新对象可能和原对象共享部分底层数据（也就是常说的视图），也可能是完全独立的副本，但不管是哪种，它都是一个和原始3行DataFrame不同的新Python对象。
这行代码的执行顺序是两步：

• 先算等号右边：对着原始的3行DataFrame切前2行，生成一个只有2行数据的新DataFrame，存在内存的新位置
• 再做赋值：把原来贴在3行原始DataFrame上的、写着df的名字条撕下来，贴到刚生成的2行新DataFrame上
  整个过程里，写着df2的名字条从来没被碰过，它还牢牢贴在最开始那个3行的原始DataFrame上。这时候df和df2已经指到两个完全不同的对象上了，你再改df指向的新对象，和df2指的老对象一点关系都没有，自然不会同步更新。
  这时候再跑id(df) == id(df2)，结果肯定是False，直接能证明两个变量已经各指各的了。

内容的提问来源于stack exchange，提问作者Manh Linh Phan