Pandas函数修改DataFrame后外部无法访问修改结果

此前曾在Stack Overflow发布过关于扁平化JSON数据的问题及对应代码，事后回看发现当时的问题描述过于晦涩复杂，因此简化问题场景后重新提问。
编写的处理函数将Pandas DataFrame作为输入参数传入并在函数内对其做修改，但函数执行完成后，无法在外部访问到修改后的DataFrame，获取到的始终是原始版本的数据。

1. 导入numpy和pandas库，创建测试用DataFrame：

import numpy as np
import pandas as pd
df = pd.DataFrame(np.arange(12).reshape(3, 4), columns=['A', 'B', 'C', 'D'])

2. 编写用于修改DataFrame的删除列函数：

def drop_col(df):
    print(f"original shape: {df.shape}")
    df = df.drop(['B'], axis=1)
    print(f"final shape: {df.shape}")
    return df

函数内的打印输出显示，DataFrame原始形状为(3,4)，执行删除列操作后形状为(3,3)，说明列B已按预期被成功删除。但函数运行结束后，在外部通过df.head()等方式访问DataFrame时，看到的仍然是3行4列的原始DataFrame，修改未生效。

Pandas中绝大多数DataFrame操作默认不会原地修改原始对象，而是返回一个执行完对应操作的新对象。
在函数内部写df = df.drop(['B'], axis=1)时，只是将函数作用域内的局部变量df重新指向了删完列的新DataFrame，外部全局作用域里的df仍然指向最开始创建的原始DataFrame，自然看不到修改效果。

方法1：接收函数返回值重新赋值（推荐） #

这是最符合Pandas设计逻辑的写法，能避免原地操作带来的隐式副作用、SettingWithCopyWarning等问题，调用函数时把返回值重新赋值给外部变量即可：

# 调用函数时用原变量接收返回值
df = drop_col(df)
# 此时查看df，就是已经删除B列、形状为(3,3)的正确结果
print(df.shape)

方法2：开启原地修改参数（不推荐） #

如果不想做返回值赋值，可以在调用操作时传入inplace=True参数，让操作直接修改原始传入的DataFrame，这种写法不需要额外做变量赋值：

def drop_col(df):
    print(f"original shape: {df.shape}")
    # 加上inplace=True参数，直接修改原始对象
    df.drop(['B'], axis=1, inplace=True)
    print(f"final shape: {df.shape}")

# 直接调用函数即可，不需要赋值
drop_col(df)
# 此时外部的df已经被修改
print(df.shape)

注意：Pandas官方并不推荐频繁使用inplace=True，这类写法在链式调用场景下很容易出现难以排查的问题，且部分操作的inplace参数已经在后续版本的废弃计划中，日常使用优先选择返回值赋值的方案。

内容的提问来源于stack exchange，提问作者DavidH