如何将Pandas DataFrame传入函数且不修改全局原始版本？

这确实容易让人困惑！你遇到的问题其实和Python的可变对象传参机制以及Pandas DataFrame的特性有关，并不是你了解的Python作用域规则出了问题。

先来看你的示例代码：

import pandas as pd

xTest = pd.DataFrame({'A' : ['Test']})
def MyFunction():
    _xTest=xTest
    _xTest['yPred'] = 1
    return _xTest

res=MyFunction()
xTest.head()

运行后全局的xTest被添加了yPred列，原因在于：

• 当你在函数里写_xTest = xTest时，并没有创建一个新的DataFrame对象，只是让局部变量_xTest指向了和全局xTest同一个DataFrame对象。
• Pandas的DataFrame是可变对象，对它进行的原地修改（比如添加列、修改值等）会直接作用于原对象本身，不管这个对象是被全局变量还是局部变量引用。

解决方法：创建DataFrame的拷贝 #

要避免修改全局的原始DataFrame，你需要在函数内创建一个独立的拷贝，这样局部变量操作的就是一个全新的对象，不会影响原数据。具体可以使用Pandas的copy()方法：

修改后的代码示例：

import pandas as pd

xTest = pd.DataFrame({'A' : ['Test']})
def MyFunction():
    _xTest = xTest.copy()  # 创建DataFrame的拷贝
    _xTest['yPred'] = 1
    return _xTest

res=MyFunction()
xTest.head()  # 此时全局的xTest不会包含'yPred'列

关于拷贝的补充说明 #

• 默认的copy()是浅拷贝：它会复制DataFrame的结构和顶层数据，但如果DataFrame里包含嵌套的可变对象（比如列表、字典），浅拷贝不会复制这些嵌套对象，修改它们仍会影响原数据。
• 如果你的DataFrame包含嵌套可变对象，可以使用深拷贝：xTest.copy(deep=True)，它会递归复制所有嵌套的可变对象，确保完全独立于原数据。

内容的提问来源于stack exchange，提问作者Reddspark