Pandas 将列添加到非引用数据框中

这件事让我心潮澎湃好几个小时了。也许我遗漏了一些神秘的“陷阱”，但它一定是非常违反直觉的。

“Trial_unq”是一个两列数据帧，“Trial_unq2”是一个相同的副本，for 循环遍历“unique_in”中的所有字符串。如果“unique_in”在 Trial_unq 文本中出现少于 250 次，则将布尔列插入到 Trial_unq 末尾。如果unqiue_in在Trial_unq的文本中出现超过10000次，则将布尔列n插入到Trial_unq2的末尾。

trial_unq2 = trial_unq

for i in range(len(unique_in)):#for each individual word
    unq_count = trial_unq.brief_title.str.contains(unique_in[i]).sum()#count trial occurances
    print(unique_in[i], ' ', unq_count)
    if unq_count < 280 and unq_count > 0:
        colname = unique_in[i]
        colpos = len(trial_unq.columns)
        boolcol = trial_unq.brief_title.str.contains(unique_in[i])
        trial_unq.insert(colpos, colname, boolcol) 
    if unq_count > 10000:
        colname2 = unique_in[i]
        colpos2 = len(trial_unq2.columns)
        boolcol2 = trial_unq2.brief_title.str.contains(unique_in[i])
        trial_unq2.insert(colpos2, colname2, boolcol2) 

print(trial_unq.columns)
print(trial_unq2.columns)

Output

['depressive', 'disorder', 'depressive disorder', 'therapy']
depressive   257
disorder   2190
depressive disorder   167
therapy   12236
Index(['NCT', 'brief_title', 'depressive', 'depressive disorder', 'therapy'], dtype='object')
Index(['NCT', 'brief_title', 'depressive', 'depressive disorder', 'therapy'], dtype='object')

从输出中可以清楚地看出，小计数 Trial_unq 数据帧和较大计数 Trial_unq2 数据帧都添加了所有三列。

在Python中，多个名称可以引用同一个对象，例如

l1 = [1, 2, 3]
l2 = l1  # now both, l1 and l2 refer to the same object!
l2[1] = 100

现在两者，l1 and l2看起来像这样：

[1, 100, 3]

您的两个数据框也会发生同样的情况。

在这种情况下，您可以简单地使用.copy()

l3 = l1.copy()
l3[1] = 0

l1
[1, 100, 3]

l3
[1, 0, 3]

因此，要解决您的问题，您需要做的是：

trial_unq2 = trial_unq.copy()