python - 在 Pandas 中，inplace = True是否有害？

之前已经讨论过，但是答案有冲突:

in-place is good!

in-place is bad!

我想知道的是:

为什么inplace = False是默认行为？

什么时候更改它好？ (嗯，我可以更改它，所以我想这是有原因的)。

这是安全问题吗？也就是说，操作是否会因inplace = True而失败/行为不当？

我可以事先知道某个inplace = True操作是否会“真正”就地执行吗？

到目前为止，我的看法是:

许多Pandas操作都有一个inplace参数，始终默认为False，这意味着原始DataFrame未被修改，并且该操作返回一个新的DF。

设置inplace = True时，操作可以在原始DF上使用，但仍可以在幕后使用副本，并且只需在完成后重新分配引用即可。

inplace = True的优点:

既可以更快，也可以减少内存占用(第一个链接显示reset_index()运行速度快两倍，并且使用峰值内存的一半!)。

inplace = False 的优点:

允许使用链式/函数语法:df.dropna().rename().sum()...很好，并提供了惰性评估或更有效的重新排序的机会(尽管我不认为Pandas会这样做)。

在可能是底层DF切片/ View 的对象上使用inplace = True时，Pandas必须进行SettingWithCopy检查，这很昂贵。 inplace = False避免了这种情况。

幕后行为一致且可预测。

因此，撇开copy-vs-view问题，似乎总是使用inplace = True更具性能，除非专门编写链式语句。但这不是 Pandas 默认的选择，那么我想念的是什么？

最佳答案

是的。不仅有害。非常有害。 This GitHub issue建议在不久的将来某个时间在api范围内弃用inplace参数。简而言之，这是inplace参数的所有错误:

inplace与名称含义相反，通常不会阻止创建副本，并且(几乎)从不提供任何性能优势

inplace不适用于方法链接

在DataFrame列上调用

时，inplace可能导致可怕的SettingWithCopyWarning，有时可能无法就地更新

列

上面的痛点都是初学者的常见陷阱，因此删除此选项将大大简化API。

我们将更深入地研究以上几点。
性能
一个常见的误解是，使用inplace=True将导致更高效或更优化的代码。通常，与inplace=True相比没有性能优势。方法的大多数就地和就地版本都会创建数据的副本，而就地版本会自动将副本分配回去。无法避免复制。
方法链接inplace=True也阻碍了方法链接。对比一下

result = df.some_function1().reset_index().some_function2()

相对于

temp = df.some_function1()
temp.reset_index(inplace=True)
result = temp.some_function2()

意外陷阱
最后要注意的一点是，调用inplace=True 可以触发 SettingWithCopyWarning :

df = pd.DataFrame({'a': [3, 2, 1], 'b': ['x', 'y', 'z']})

df2 = df[df['a'] > 1]
df2['b'].replace({'x': 'abc'}, inplace=True)
# SettingWithCopyWarning:
# A value is trying to be set on a copy of a slice from a DataFrame

这可能会导致意外行为。