使用Pandas fillna(inplace=True)时如何避免关联DataFrame被修改？

嘿，这个问题的核心其实是Python的对象引用机制在搞事情！当你执行df2 = df的时候，并没有创建一个全新的DataFrame副本——df2只是和df指向了内存里的同一个对象而已。所以当你用fillna(..., inplace=True)直接修改这个对象时，df2自然也会跟着变，因为它俩本来就是同一个东西。

要解决这个问题，有两种常用的方法：

方法1：创建DataFrame的深拷贝 #

在赋值的时候，用copy()方法创建一个完全独立的副本，这样df和df2就指向不同的对象了，修改其中一个不会影响另一个：

import numpy as np
import pandas as pd
df = pd.DataFrame([[np.nan, 2, 1, 0], [3, 4, np.nan, 1], [np.nan, np.nan, 8, 5], [np.nan, 3, np.nan, 4]], columns=list('ABCD'))
df2 = df.copy()  # 这里用copy()创建独立副本
df.fillna(value = df.mean(), inplace=True)
# 现在df被修改了，但df2还是原来的未填充状态

方法2：放弃使用inplace=True，直接赋值新变量 #

如果你不需要修改原df，完全可以不用inplace=True，而是把填充后的结果赋值给一个新变量，原df保持不变，df2自然也不受影响：

import numpy as np
import pandas as pd
df = pd.DataFrame([[np.nan, 2, 1, 0], [3, 4, np.nan, 1], [np.nan, np.nan, 8, 5], [np.nan, 3, np.nan, 4]], columns=list('ABCD'))
df2 = df
df_filled = df.fillna(value = df.mean())  # 填充后赋值给新变量，原df不变
# 此时df和df2还是原来的未填充状态，df_filled是填充后的版本

简单来说，要么提前把df2做成独立副本，要么别直接修改原df，用赋值的方式保存结果就行~

内容的提问来源于stack exchange，提问作者apkul