python值传递还是引用传递_python pandas数据帧，它是按值传递还是按引用传递

简而言之，Python总是按值传递，但每个Python变量实际上都是指向某个对象的指针，因此有时看起来像按引用传递。

在Python中，每个对象都是可变的或不可变的。e、 例如，list、dict、modules和Pandas数据帧是可变的，int、string和tuple是不可变的。可变对象可以在内部更改(例如，向列表中添加元素)，但不可变对象不能。

正如我在开始时所说的，您可以将每个Python变量看作指向对象的指针。将变量传递给函数时，函数中的变量(指针)始终是传入的变量(指针)的副本。所以如果你给内部变量赋值，你所做的就是改变局部变量，使其指向不同的对象。这不会改变(变异)变量指向的原始对象，也不会使外部变量指向新对象。此时，外部变量仍然指向原始对象，但内部变量指向新对象。

如果你想改变原始对象(只有可变数据类型才可能)，你必须做一些改变对象的事情，而不给局部变量赋值。这就是为什么letgo()和letgo3()保持外部项不变，但letgo2()改变它的原因。

正如@ursan指出的，如果letgo()使用了类似的方法，那么它将改变(变异)原来df指向的对象，这将改变通过全局a变量看到的值：def letgo(df):

df.drop('b', axis=1, inplace=True)

a = pd.DataFrame({'a':[1,2], 'b':[3,4]})

letgo(a) # will alter a

在某些情况下，您可以完全清空原始变量并用新数据重新填充它，而无需实际执行直接赋值，例如，这将更改v指向的原始对象，这将更改稍后使用v时看到的数据：def letgo3(x):

x[:] = np.array([[3,3],[3,3]])

v = np.empty((2, 2))

letgo3(v) # will alter v

注意，我不是直接给x赋值；而是给x的整个内部范围赋值。

如果必须创建一个全新的对象并使其在外部可见(熊猫有时也是如此)，则有两个选项。“clean”选项只是返回新对象，例如def letgo(df):

df = df.drop('b',axis=1)

return df

a = pd.DataFrame({'a':[1,2], 'b':[3,4]})

a = letgo(a)

另一个选择是在函数之外直接改变全局变量。这会将a更改为指向新对象，之后引用a的任何函数都将看到该新对象：def letgo():

global a

a = a.drop('b',axis=1)

a = pd.DataFrame({'a':[1,2], 'b':[3,4]})

letgo() # will alter a!

直接改变全局变量通常是个坏主意，因为任何读过您的代码的人都很难弄清楚a是如何改变的。(我通常将全局变量用于脚本中许多函数使用的共享参数，但我不允许它们更改这些全局变量。)