Python DataFrame两种赋值方式差异及strip失效问题咨询

咱们先直击核心：你碰到的问题本质是Python变量引用规则和Pandas DataFrame的赋值逻辑共同导致的，下面把两种写法的区别拆解开说清楚：

1. 第一种写法：dataFrame[:] = dataFrame.apply(...) #

这种写法是原地修改传入的原DataFrame对象：

• dataFrame[:]是对整个DataFrame的切片赋值，它的作用是直接修改原对象内部的所有数据，而不是创建一个新的DataFrame。
• 所以函数内部的dataFrame变量始终指向你传入的test_df，这也是为什么你看到两者的id完全一致（都是4647827832）。
• apply处理后的结果直接覆盖原对象的内容，因此外部的test_df也会同步看到修改后的结果（比如dm列的制表符被strip掉，剩下的' yes'是原数据自带的空格）。

2. 第二种写法：dataFrame = dataFrame.apply(...) #

这种写法只是重新绑定函数内的局部变量，完全没碰原对象：

• dataFrame.apply(...)会生成一个全新的DataFrame对象，当你执行dataFrame = ...时，只是把函数内部的局部变量dataFrame指向了这个新对象，但外部的test_df仍然指向最初传入的那个旧对象。
• 你看到的id(test_df)和函数内的id(dataFrame)不一样，就是因为函数内的变量已经换了指向的对象，而外部的test_df还是原来的那个。至于输出里的nan，是因为你先执行了replace("\\?", np.nan, inplace=True)，这个操作已经原地修改了原test_df把?换成了nan，但后面的apply处理的是新对象，外部的test_df没拿到这个处理后的结果，所以保留了replace后的nan。

为什么函数外直接执行strip正常？ #

当你在函数外写test_df = test_df.apply(...)时，是直接把全局变量test_df指向了apply生成的新对象，自然能看到修改后的结果。但在函数内只做局部变量赋值的话，外部变量不会受到任何影响。

推荐的正确做法 #

如果想在函数内处理DataFrame，更清晰的方式有两种：

• 继续用原地修改的方式：保持dataFrame[:] = ...的写法，确保原对象被修改；
• 采用返回新对象的方式（更推荐，避免原地修改的副作用）：

  def FillMissing(dataFrame):
      # 先复制原数据，避免修改原对象
      df_processed = dataFrame.replace("\\?", np.nan, regex=True)
      df_processed = df_processed.apply(lambda x: x.str.strip("\t") if x.dtype == "object" else x)
      print(id(df_processed))
      return df_processed
  
  # 外部调用时接收返回的新对象
  test_df = FillMissing(test_df)
  

内容的提问来源于stack exchange，提问作者Vaebhav