Python函数内拷贝字典后原字典仍被修改的原因与修复方案

你调用的字典自带copy()方法执行的是浅拷贝：该操作只会创建一个新的字典对象，但字典中存储的每个值（也就是你的DataFrame对象）仍然和原字典指向同一个内存实例，并没有被复制。
后续循环中你对data2[ii]调用drop方法时传入了inplace=True参数，这个操作会直接在当前DataFrame实例上原地删除列，由于新旧字典共享同一个DataFrame实例，原字典中对应的DataFrame自然也会被同步修改。

任选以下一种方案即可解决问题：

• 方案1：放弃原地修改，将drop操作返回的新DataFrame赋值回新字典

def Testing(data,col1,col2):
  data2 = data.copy()
  for ii in data:
     # 不使用inplace参数，drop会返回修改后的新DataFrame，重新绑定到新字典的键上
     data2[ii] = data2[ii].drop([col1,col2],axis=1)
  return data2

• 方案2：拷贝时生成完全独立的深拷贝副本，新旧数据完全隔离

import copy

def Testing(data,col1,col2):
  # 深拷贝会递归复制字典内的所有对象，新字典里的DataFrame和原字典完全独立
  data2 = copy.deepcopy(data)
  for ii in data:
     data2[ii].drop([col1,col2],axis=1, inplace=True)
  return data2

• 方案3：遍历字典时单独为每个DataFrame创建副本，再做原地修改

def Testing(data,col1,col2):
  data2 = {}
  for ii in data:
     # 逐个复制DataFrame生成独立实例存入新字典
     data2[ii] = data[ii].copy()
     data2[ii].drop([col1,col2],axis=1, inplace=True)
  return data2

补充说明：如果你的DataFrame内部还存储了列表、字典这类可变对象作为元素，DataFrame.copy()默认也是浅拷贝，这种场景下请使用copy.deepcopy()做全层级复制，才能彻底避免新旧数据互相影响。

内容的提问来源于stack exchange，提问作者user59419