| 导读 | 这篇文章主要介绍了对python pandas中 inplace 参数的理解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧 |
pandas 中 inplace 参数在很多函数中都会有，它的作用是：是否在原对象基础上进行修改
inplace = True：不创建新的对象，直接对原始对象进行修改；
inplace = False：对数据进行修改，创建并返回新的对象承载其修改结果。
默认是False，即创建新的对象进行修改，原对象不变，和深复制和浅复制有些类似。
例：
inplace=True情况：
import pandas as pd
import numpy as np
df=pd.DataFrame(np.random.randn(4,3),columns=["A","B","C"])
data=df.drop(["A"],axis=1,inplace=True)
print(df)
print(data)
>>
B C
0 0.472730 -0.626685
1 0.065358 0.031326
2 -0.318582 1.123308
3 -0.097687 0.018820
None
inplace=False情况：
df=pd.DataFrame(np.random.randn(4,3),columns=["A","B","C"])
data=df.drop(["A"],axis=1,inplace=False)
print(df)
print(data)
>>
A B C
0 -0.731578 0.226483 0.986656
1 0.075936 1.622889 1.767967
2 -1.477780 -0.164374 -1.025555
3 -0.645208 -0.847264 -0.744622
B C
0 0.226483 0.986656
1 1.622889 1.767967
2 -0.164374 -1.025555
3 -0.847264 -0.744622
另外，要注意的是，inplace的取值只有False和True，如给定0或1，会报如下错误：
ValueError: For argument "inplace" expected type bool, received type int.
补充知识：pandas.DataFrame.drop_duplicates后面inplace=True与inplace=False的区别
drop_duplicates(inplace=True)是直接对原dataFrame进行操作。
如:
t.drop_duplicates(inplace=True) 则，对t中重复将被去除。
drop_duplicates(inplace=False)将不改变原来的dataFrame，而将结果生成在一个新的dataFrame中。
如：
s = t.drop_duplicates(inplace=False) 则，t的内容不发生改变，s的内容是去除重复后的内容
以上这篇对python pandas中 inplace 参数的理解就是小编分享给大家的全部内容了，希望能给大家一个参考。
原文来自：
本文地址：//gulass.cn/python-pandas-linux.html编辑：向金平，审核员：逄增宝
Linux大全：
Linux系统大全：
