如何复制含列表的Pandas DataFrame，避免原数据被修改？

先还原一下你遇到的场景：当DataFrame里包含列表这种可变对象时，哪怕用copy.deepcopy()或者df.copy(deep=True)，修改拷贝后的DataFrame里的列表元素，原DataFrame也会跟着被修改，就像下面这样：

首先创建带列表列的DataFrame：

import pandas as pd
import copy

a = pd.DataFrame({'a': [[1,1],[2, 2],[3,3]], 'b':[3,2,1]})
# 输出结果：
#    a  b
# 0  [1, 1]  3
# 1  [2, 2]  2
# 2  [3, 3]  1

执行深拷贝：

b = copy.deepcopy(a)

修改拷贝后的第一个列表元素：

b.a[0][0] = 0
# b的输出：
#    a  b
# 0  [0, 1]  3
# 1  [2, 2]  2
# 2  [3, 3]  1

结果原DataFrame a 也被修改了：

print(a)
# 输出：
#    a  b
# 0  [0, 1]  3
# 1  [2, 2]  2
# 2  [3, 3]  1

这事儿其实是因为Pandas对可变对象（比如列表、字典）的深拷贝逻辑有点特殊——它默认只会拷贝DataFrame的外层结构，而里面的可变对象本身还是共享引用的。要彻底切断这种连锁影响，得手动把每个可变元素也单独拷贝一遍，下面给你几种可行的方法：

方法一：对列表列单独做深拷贝 #

用apply遍历包含列表的列，对每个元素单独执行copy.deepcopy，这样每个列表都会被完全复制，不再和原DataFrame共享引用：

import pandas as pd
import copy

a = pd.DataFrame({'a': [[1,1],[2, 2],[3,3]], 'b':[3,2,1]})
# 先做外层深拷贝，再单独处理列表列
b = a.copy(deep=True)
b['a'] = b['a'].apply(copy.deepcopy)

# 现在修改b的列表元素，原a完全不受影响
b.a[0][0] = 0
print(a)
# 输出：
#    a  b
# 0  [1, 1]  3
# 1  [2, 2]  2
# 2  [3, 3]  1
print(b)
# 输出：
#    a  b
# 0  [0, 1]  3
# 1  [2, 2]  2
# 2  [3, 3]  1

方法二：用JSON序列化+反序列化实现彻底拷贝 #

另一种思路是把整个DataFrame转成JSON字符串，再重新解析回来。这个过程会让所有可变对象被重新创建，完全切断和原数据的引用关联：

import pandas as pd
import json

a = pd.DataFrame({'a': [[1,1],[2, 2],[3,3]], 'b':[3,2,1]})
# 序列化转JSON，再反序列化回DataFrame
b = pd.read_json(json.dumps(a.to_dict(orient='records')), orient='records')

b.a[0][0] = 0
print(a)  # 原DataFrame的列表完全没变化

方法三：逐行手动复制列表 #

如果你喜欢更直观的方式，也可以逐行处理，把每个列表单独复制一份：

import pandas as pd

a = pd.DataFrame({'a': [[1,1],[2, 2],[3,3]], 'b':[3,2,1]})
b = a.copy(deep=True)
# 遍历每行，复制列表元素
for idx in b.index:
    b.at[idx, 'a'] = b.at[idx, 'a'].copy()

b.a[0][0] = 0
print(a)  # 原数据保持初始状态

补充说明 #

为什么原来的深拷贝没用？因为Pandas的deepcopy在处理Series时，对于列表这类可变容器，只会拷贝Series的外层结构，容器内的元素还是引用原对象。所以必须对每个列表元素单独做深拷贝，才能彻底断开关联。

内容的提问来源于stack exchange，提问作者Azuuu