135 lines
4.3 KiB
Markdown
135 lines
4.3 KiB
Markdown
# 在 Python 中 inplace = True 是什么意思？
|
||
|
||
> 原文：<https://www.askpython.com/python-modules/pandas/inplace-true-parameter>
|
||
|
||
当开始使用 [pandas](https://www.askpython.com/python-modules/pandas/python-pandas-module-tutorial) 甚至在网站上查询 pandas 操作时，我们经常会遇到代码中出现的**就地**参数。**原地的默认值设置为假。**
|
||
|
||
在本文中，我们将探讨在数据帧上执行操作时，inplace 参数的作用。
|
||
|
||
## inplace 参数有什么作用？
|
||
|
||
`inplace=True` 的使用取决于我们是否要对原始 df 进行修改。
|
||
|
||
让我们考虑删除已删除 NA 条目的行的操作。我们有一个数据框架(df)。
|
||
|
||
```py
|
||
df.dropna(axis='index', how='all', inplace=True)
|
||
|
||
```
|
||
|
||
在熊猫中，上述代码的意思是:
|
||
|
||
1. 熊猫创建原始数据的副本。
|
||
2. 对其执行所需的操作。
|
||
3. 将结果分配给原始数据。(这里要考虑的重要一点)。
|
||
4. 然后删除副本。
|
||
|
||
上面的代码什么也不返回，只是修改了原始的[数据帧](https://www.askpython.com/python-modules/pandas/dataframes-in-python)。
|
||
|
||
如果 inplace 设置为`False`，那么 pandas 将返回一个数据帧的副本，并在其上执行操作。
|
||
|
||
在 Pandas 中，我们有许多带有`inplace`参数的函数。
|
||
|
||
因此，当我们做`df.dropna(axis='index', how='all', inplace=True)`时，pandas 知道我们想要改变原始数据帧，因此它在原始数据帧上执行所需的改变。
|
||
|
||
## Inplace =真实的行动
|
||
|
||
让我们看看 inplace 参数的作用。我们将对 IRIS 数据集执行[排序操作](https://www.askpython.com/python/examples/quicksort-algorithm)，以演示`inplace`参数的用途。
|
||
|
||
点击可以了解更多关于加载虹膜数据集[的信息。](https://scikit-learn.org/stable/modules/generated/sklearn.datasets.load_iris.html)
|
||
|
||
```py
|
||
# Importing required libraries
|
||
from sklearn.datasets import load_iris
|
||
import pandas as pd
|
||
|
||
#Loading the dataset
|
||
data = load_iris(as_frame=True)
|
||
df = pd.DataFrame(data.data)
|
||
|
||
df
|
||
|
||
```
|
||
|
||
|
||
|
||
**Original Dataframe**
|
||
|
||
现在让我们对`petal length`特征进行排序操作
|
||
|
||
```py
|
||
df.sort_values('petal length (cm)' , ascending = True) #inplace by default set to False
|
||
|
||
```
|
||
|
||
|
||
|
||
Output After Sorting
|
||
|
||
现在让我们检查一下我们的原始数据帧发生了什么。
|
||
|
||
```py
|
||
df
|
||
|
||
```
|
||
|
||
|
||
|
||
Original Dataframe When Inplace Was At Its Default Value
|
||
|
||
***我们只是在打印时得到了原始数据帧，即使我们对它进行了排序操作。***
|
||
|
||
那么…刚刚发生了什么？
|
||
|
||
上面的例子很好地演示了 inplace 参数的应用。
|
||
|
||
默认情况下，它被设置为 False，因此该操作不会修改原始数据帧。相反，它返回一个对其执行操作的副本。
|
||
|
||
在上面的代码中，我们没有将返回的数据帧赋给任何新的变量，我们没有得到一个已排序的新数据帧。
|
||
|
||
```py
|
||
new_df = df.sort_values('petal length (cm)' , ascending = True , inplace=False)
|
||
|
||
new_df
|
||
|
||
```
|
||
|
||
|
||
|
||
Sorted New Dataframe When Inplace Is Set To False
|
||
|
||
我们只是将返回的数据帧赋给一个名为 new_df 的变量。
|
||
|
||
现在，它是原始数据帧的排序副本。
|
||
|
||
这里要考虑的重要一点是，原始数据帧仍然是相同的，并且确实经历了我们指定的任何转换。
|
||
|
||
现在让我们看看如果我们设置`inplace = True`会发生什么
|
||
|
||
```py
|
||
df.sort_values('petal length (cm)' , ascending = True , inplace = True)
|
||
|
||
```
|
||
|
||
运行代码似乎没有返回任何输出。但是等等..！
|
||
|
||
在检查了原始数据帧之后，我们得到了`inplace = True`正在做的事情的本质。
|
||
|
||
```py
|
||
df
|
||
|
||
```
|
||
|
||
|
||
|
||
Output When Inplace Is Set To True
|
||
|
||
在 Python 中设置了 inplace=true 之后，原始数据帧被修改了。
|
||
|
||
## 结论
|
||
|
||
这篇文章是关于就地参数的。我们现在对这个隐藏的参数有了一定的了解，它经常出现在函数中，而我们甚至没有意识到。
|
||
|
||
最后，我们在使用 inplace=True 时应该非常小心，因为它会修改原始数据框。
|
||
|
||
快乐学习！ |