python copy函数用法_Python Pandas Index.copy()用法及代码示例

Python是进行数据分析的一种出色语言，主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种，使导入和分析数据更加容易。

Pandas Index.copy()函数复制此对象。该函数还将新对象的名称和dtype属性设置为原始对象的名称和dtype属性。如果我们希望新对象具有不同的数据类型，则可以通过设置函数的dtype属性来实现。

用法： Index.copy(name=None, deep=False, dtype=None, **kwargs)

参数:

name:字符串，可选

deep:布尔值，默认为False

dtype:numpy dtype或pandas类型

返回:复制：索引

注意：在大多数情况下，使用Deep应该没有功能上的区别，但是如果通过deep，它将尝试进行深度复制。

范例1：采用Index.copy()复制索引值到新对象并将新对象的数据类型更改为“ int64”的函数

# importing pandas as pd

import pandas as pd

# Creating the Index

idx = pd.Index([17.3, 69.221, 33.1, 15.5, 19.3, 74.8, 10, 5.5])

# Print the Index

idx

输出：

让我们创建一个数据类型为“ int64”的对象的副本。

# Change the data type of newly

# created object to 'int64'

idx.copy(dtype ='int64')

输出：

正如我们在输出中看到的那样，该函数返回了带有'int64'dtype的原始索引的副本。

范例2：采用Index.copy()函数复制原始对象。还要设置新对象的名称属性，并将字符串dtype转换为“ datetime”类型。

# importing pandas as pd

import pandas as pd

# Creating the Index

idx = pd.Index(['2015-10-31', '2015-12-02', '2016-01-03',

'2016-02-08', '2017-05-05'])

# Print the Index

idx

输出：

让我们复制原始对象。

# to make copy and set data type in the datetime format.

idx_copy = idx.copy(dtype ='datetime64')

# Print the newly created object

idx_copy

输出：

从输出中可以看到，新对象具有datatime格式的数据，并且其name属性也已设置。