debug很简单:
把
dfmi['one']['second']
改成
dfmi.loc[:, ('one', 'second')]
至于为什么会这样:
全文参考Indexing and selecting data — pandas 2.2.2 documentation (pydata.org)
写时复制策略被设定为pandas3.0的默认策略。也就是说当多个调用者(callers)请求相同资源(如内存或磁盘上的数据存储)时,他们会共享相同的指针指向同一资源。等到对象被修改时才进行复制创造副本,然后发起修改的进程指针指向这个副本。
df = pd.DataFrame({"foo": [1, 2, 3], "bar": [4, 5, 6]})
df["foo"][df["bar"] > 5] = 100
如果单看df["foo"],很难分辨返回的是视图还是拷贝。而如果返回的是视图,这个写入会直接在原df上执行,导致其他指向原df的指针读到了被修改后的数据,这违反了CoW原则。