对df.copy()使用applymap却修改原始DataFrame的原因是什么？

• 核心原因是pandas.DataFrame.copy()默认执行浅拷贝：浅拷贝仅复制DataFrame的轴标签、数据结构，以及对单元格存储对象的引用，不会递归复制嵌套的可变对象（你案例中的列表就是典型的可变对象）。也就是说，浅拷贝得到的dfcopy和原results中，对应单元格存储的列表指向内存中的同一个对象。
• 你使用的list.sort()是列表的原地排序方法，会直接修改调用它的列表对象本身，而不是返回新的排序后列表。所以虽然你是在dfcopy上执行操作，但本质修改的是两个DataFrame共用的列表对象，自然会同步修改到原DataFrame的数据。

两种方案可选：

1. 拷贝时改用深拷贝，直接递归复制所有嵌套的可变对象，让副本和原数据完全独立：

dfcopy = results[['years', 'line_items']].copy(deep=True)
# 后续排序逻辑不变
dfcopy.applymap(lambda x: x.sort())

2. 排序时避免使用原地方法，改用sorted()函数，它会返回新的排序后列表，不会修改原引用对象，不需要修改拷贝逻辑：

# 不需要修改拷贝代码，仅修改排序逻辑即可
dfcopy = dfcopy.applymap(lambda x: sorted(x))

内容的提问来源于stack exchange，提问作者geds133