如何正确在pandas里使用inplace参数

在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。

下面我们还是一样举个例子来看看：

import pandas as pd
import numpy as np
import random
df=pd.DataFrame(np.random.randn(4,3),columns=["A","B","C"])
df_1=df.drop(["A"],axis=1,inplace=True)
print(df)
print("df_1：",df_1)

运行结果：

可以看到，此时df_1为None。

下面我们尝试一下将inplace=True改成inplace=False，保持其他不变。

import pandas as pd
import numpy as np
import random
df=pd.DataFrame(np.random.randn(4,3),columns=["A","B","C"])
df_1=df.drop(["A"],axis=1,inplace=False)
print(df)
print("df_1：",df_1)

可以看到，此时df_1的值与之前发现了变化。

注意~

inplace的取值只有False和True，如给定其他值的话（比如0和1之类的），会以下报错：

ValueError: For argument "inplace" expected type bool, received type int.