python データフレーム 要素 変更

Question

pythonを勉強しており、データフレームでの要素の扱いについて
疑問が生じたためお伺いさせていただきました。

データフレームで特定のカラムをリストとして抽出してのち、
そのリストの要素に変更を加えると元のデータフレームの要素まで変更されるのはどうしてなのでしょうか。

実行環境は以下になります。
Python 3.7.13
Windows10
google colab

文面では非常に分かりづらいとも思いますので、以下にサンプルコードを記載いたします。
下記のコードを実行しますと最初のデータフレームは１枚目の画像のようなデータフレーム、
二番目のデータフレームは２枚目の画像となります。

!pip install pandas
import pandas as pd
df = pd.DataFrame(
    data = [['x', 'y', 'z'],
            [10, 20, 30],
            [100, 200, 300]]
)

df #最初のデータフレーム

lists = df[0].values
print(type(lists))

for i in range(len(lists)):
  if lists[i] == 10:
    lists[i] = lists[i] + 100000

df #二番目のデータフレーム

ここで私としては最初のデータフレームからカラム「0」をリストとして抽出して、
そのリストの中にある10に対して100000を足したという認識であって、
最初のデータフレームに対して変更を加えたという認識はありません。

しかし、二番目のデータフレーム（実際には最初のデータフレームを再表示）しますと、
10であった要素が100010に変更されています。

これはどういう処理で上記の現象が起きているのでしょうか。
データフレームから抽出したリストのデータ型がnumpy.ndarray型であると相互作用のような形になるのでしょうか。

稚拙な質問かとは思いますが、教えて頂けますと幸いです。

Answer 1

pandas.Series.values

Warning

We recommend using Series.array or Series.to_numpy(), depending on whether you need a reference to the underlying data or a NumPy array.

そこで、pandas.Series.to_numpy を眺めてみると、

Series.to_numpy(dtype=None, copy=False, na_value=NoDefault.no_default, **kwargs)

Parameters

copy: bool, default False

Whether to ensure that the returned value is not a view on another array. Note that copy=False does not ensure that to_numpy() is no-copy. Rather, copy=True ensure that a copy is made, even if not strictly necessary.

なので、numpy.ndarray 型のコピーが欲しい場合には pandas.Series.to_numpy(copy=True), リストでも構わない場合は pandas.Series.to_list() を使用するとよろしいかと思います。

##lists = df[0].values
lists = df[0].to_numpy(copy=True)
#lists = df[0].to_list()
print(type(lists))
for i in range(len(lists)):
    if lists[i] == 10:
        lists[i] = lists[i] + 100000
print(df)

#
     0    1    2
0    x    y    z
1   10   20   30
2  100  200  300
<class 'numpy.ndarray'>
     0    1    2
0    x    y    z
1   10   20   30
2  100  200  300

Comments

[tttkkk]

ご回答いただきありがとうございます。

公式だとそのように一応案内がされているのですね。
英語というのもあって深く読んではおりませんでした。

やはり単純にカラムを抽出するだけですと、元のデータフレームも変更されてしまうpythonの仕様だということが理解することができました。

Answer 2

データフレームで特定のカラムをリストとして抽出してのち、そのリストの要素に変更を加えると元のデータフレームの要素まで変更されるのはどうしてなのでしょうか。

そういう仕様だからです。

pythonのデータの多くは、変数はその値を持っているのでなく、参照しています。
以下のｂはaと同じものを指しているので、aを変更するとbも変更されているように見えます。
cはaに入っているもののコピーを指しているので変更されません。(あたりまえ。)

DataFrameも同じです。
別の実体にしたいのであれば、コピーをしてください。

a = [1, 2, 3]
b = a

c = a.copy()

a[1] = 9

print(b)
# > [1, 9, 3]
print(c)
# > [1, 2, 3]

Comments

[tttkkk]

回答していただきありがとうございます。

理解の足らない質問で申し訳ございませんが、
TakaiY様のコードの中で c が突然出てきております。
この c は a をコピーしたものだということですが、
c = a ではなくて、別の方法で c に a をコピーしたということでしょうか。

[TakaiY]

ああ、ごめんなさい。漏れていました。修正します。

[tttkkk]

やっと理解することができました。
今まではvbaを少し勉強しておりましたが、確かvbaではそのような仕様にはなってなかったような気がして、
疑問に思いましたが、納得できました。

ご丁寧に教えていただきありがとうございます。

申し訳ないところですが、ベストアンサーは公式を参照して教えていただいたmelian様にさせていただきたく思います。