Python Pandas赋值后df与df_LtC未分离，df_LtC莫名新增rolling列问题

问题原因 #

Python中对DataFrame这类可变对象执行普通赋值操作=时，是引用传递，不会生成新的独立对象。执行df=df_LtC仅相当于给内存中的同一份DataFrame数据绑定了两个变量名，两者指向完全相同的内存地址，因此修改df的列结构、数值时，df_LtC也会同步变化。

解决方案 #

要生成与原DataFrame完全独立的副本，调用pandas内置的copy()方法即可，默认执行深拷贝，会将原数据完整复制到新的内存空间，后续两个对象的操作互不影响。
正确代码示例：

df = df_LtC.copy()
df["rolling"] = df["ln_ret"].rolling(window=2).mean() * 2

如果确认不需要复制嵌套的可变性对象，可以使用浅拷贝df = df_LtC.copy(deep=False)减少内存占用，普通数据分析场景下使用默认的深拷贝即可。

内容的提问来源于stack exchange，提问作者arrabattapp man