为何复制Pandas DataFrame后修改列名会影响原DataFrame？

嘿，这个坑很多人都踩过！你之所以遇到这个问题，核心原因是你直接操作了列名数组的底层内存引用，哪怕用了deep=True的深拷贝也没用。

让我拆解一下：

• 当你执行df_copy = df.copy(deep=True)时，Pandas确实会深拷贝DataFrame的数据和列对象本身，但columns.values返回的是一个numpy数组的视图，而非独立副本。这个视图和原DataFrame列名的底层numpy数组共享内存空间。
• 所以当你执行df_copy.columns.values[0] = 'y'时，你其实是直接修改了内存中的原始值，自然会同步影响到原df的列名。

正确的修改方式 #

想要只修改副本的列名且不影响原DataFrame，你需要通过Pandas提供的安全接口来修改，而不是直接操作底层的values属性：

方法1：直接重新赋值列名 #

import pandas as pd

df = pd.DataFrame({'x': [0, 1]})
df_copy = df.copy(deep=True)
df_copy.columns = ['y']  # 用这种方式修改列名
print(df.columns)  # 输出: Index(['x'], dtype='object')
print(df_copy.columns)  # 输出: Index(['y'], dtype='object')

方法2：使用rename方法 #

如果你需要批量修改列名，rename会更灵活：

import pandas as pd

df = pd.DataFrame({'x': [0, 1]})
df_copy = df.copy(deep=True)
df_copy.rename(columns={'x': 'y'}, inplace=True)  # 原地修改副本列名
print(df.columns)  # 输出: Index(['x'], dtype='object')

这两种方式都会真正修改副本的列名对象，不会触及原DataFrame的底层内存，所以能达到你预期的效果。

内容的提问来源于stack exchange，提问作者bbiegel