为何函数内的DataFrame.replace()无法修改输入DataFrame？

嘿，这个问题其实是Python里变量引用与赋值逻辑的典型坑，刚接触Pandas的小伙伴很容易踩，我来给你拆解清楚~

先结合你的代码逐个分析：

1. replace1为啥没起作用？ #

def replace1(df, col, mapVals):
    df = df.replace({col: mapVals})

这里的核心逻辑是：函数里的df是局部变量，一开始它确实指向你传入的df1对象，但当你执行df = df.replace(...)时，df.replace()会返回一个全新的DataFrame对象——此时你只是把函数内部的局部变量df的"指向"，从原来的df1换成了这个新对象，但外部的df1完全没被改动！它依然指向最初那个未修改的DataFrame，所以打印df1还是原来的"U.S.A."。

2. replace2为啥能生效？ #

def replace2(df, col, mapVals):
    return df.replace({col: mapVals})
# 外部调用：df2 = replace2(df2, ...)

这个函数里，df.replace()同样会生成新对象，但函数把这个新对象return出去了，你在外部用df2 = ...把返回的新对象重新赋值给了df2——相当于让df2的指向换成了修改后的新对象，所以打印时能看到"USA"。

3. replace3的inplace=True是啥作用？ #

def replace3(df, col, mapVals):
    df.replace({col: mapVals}, inplace=True)

inplace=True是Pandas方法的特殊参数，它的作用是直接在原DataFrame对象上做修改，而不是生成新对象。所以函数里操作的就是你传入的df3本身，没有创建新对象，外部的df3自然就被修改了，打印结果就是"USA"。

给新手的避坑总结 #

• Pandas的大多数方法（比如replace、drop等）默认都是返回新对象，不会修改原数据，除非手动加inplace=True。
• 在Python函数里，给参数重新赋值（比如df = ...）只会改变局部变量的引用，不会影响外部的变量。如果要让外部变量拿到修改后的结果，要么用return把新对象传出去再赋值，要么用inplace操作直接修改原对象。

内容的提问来源于stack exchange，提问作者kane