介紹
在操作dataframe時，初學者有時甚至是更高級的數據科學家會對如何在pandas中使用inplace參數感到困惑。
更有趣的是，我看到的解釋這個概念的文章或教程並不多。它似乎被假定為知識或自我解釋的概念。不幸的是，這對每個人來說都不是那麼簡單，因此本文試圖解釋什麼是inplace參數以及如何正確使用它。
讓我們來看看一些使用inplace的函數的例子:
fillna()dropna()sortvalues()resetindex()sort_index()rename()
我已經創建了這個列表，可能還有更多的函數使用inplace作為參數。我沒有記住所有這些函數，但是作為參數的幾乎所有pandas DataFrame函數都將以類似的方式運行。這意味著在處理它們時，您將能夠應用本文將介紹的相同邏輯。
創建一個示例DataFrame
為了說明inplace的用法，我們將創建一個示例DataFrame。
import pandas as pdimport numpy as npclient_dictionary = {'name': ['Michael', 'Ana', 'Sean', 'Carl', 'Bob'], 'second name': [None, 'Angel', 'Ben', 'Frank', 'Daniel'], 'birth place': ['New York', 'New York', 'Los Angeles', 'New York', 'New York'], 'age': [10, 35, 56, None, 28], 'number of children': [0, None, 2, 1, 1]}df = pd.DataFrame(client_dictionary)df.head()
我們創建了一個數據框架，該數據框架有5行，列如下: name, second name, birthplace,age,number of children。注意，age、second name和children列中有一些缺失值(nan)。
現在我們將演示dropna()函數如何使用inplace參數工作。因為我們想要檢查兩個不同的變體，所以我們將創建原始數據框架的兩個副本。
df_1 = df.copy()df_2 = df.copy()
下面的代碼將刪除所有缺少值的行。
df_1.dropna(inplace=True)
如果您在Jupyter notebook中運行此操作，您將看到單元格沒有輸出。這是因為inplace=True函數不返回任何內容。它用所需的操作修改現有的dataframe，並在原始dataframe上「就地」（inplace）執行。
如果在dataframe上運行head()函數，應該會看到有兩行被刪除。
df_1.head()
現在我們用inplace = False運行相同的代碼。注意，這次我們將使用df_2版本的df
df_2.dropna(inplace=False)
如果您在Jupyter notebook中運行此代碼，您將看到有一個輸出(上面的屏幕截圖)。inplace = False函數將返回包含刪除行的數據。
記住，當inplace被設置為True時，不會返回任何東西，但是原始數據被修改了。
那麼這一次原始數據會發生什麼呢?讓我們調用head()函數進行檢查。
df_2.head()
原始數據不變!那麼發生了什麼?
當您使用inplace=True時，將創建並更改新對象，而不是原始數據。如果您希望更新原始數據以反映已刪除的行，則必須將結果重新分配到原始數據中，如下面的代碼所示。
df_2 = df_2.dropna(inplace=False)
這正是我們在使用inplace=True時所做的。是的，最後一行代碼等價於下面一行:
df_2.dropna(inplace=True)
後者更優雅，並且不創建中間對象，然後將其重新分配給原始變量。它直接改變原始數據框架，因此，如果需要改變原始數據，那麼inplace=True是首選。
那麼，為什麼會有在使用inplace=True產生錯誤呢?我不太確定，可能是因為有些人還不知道如何正確使用這個參數。讓我們看看一些常見的錯誤。
常見錯誤
使用inplace = True處理一個片段
如果我們只是想去掉第二個name和age列中的NaN，而保留number of children列不變，我們該怎麼辦?
我見過有人這樣做:
df[['second name', 'age']].dropna(inplace=True)
這會拋出以下警告。
這個警告之所以出現是因為Pandas設計師很好，他們實際上是在警告你不要做你可能不想做的事情。該代碼正在更改只有兩列的dataframe，而不是原始數據框架。這樣做的原因是，您選擇了dataframe的一個片段，並將dropna()應用到這個片段，而不是原始dataframe。
為了糾正它，可以這樣使用
df.dropna(inplace=True, subset=['second name', 'age'])df.head()
這將導致從dataframe中刪除第二個name和age列中值為空的行。
將變量值賦給inplace= True的結果
df = df.dropna(inplace=True)
這又是你永遠不應該做的事情!你只需要將None重新賦值給df。記住，當你使用inplace=True時，什麼也不會返回。因此，這段代碼的結果是將把None分配給df。
總結
我希望本文為您揭開inplace參數的神秘面紗，您將能夠在您的代碼中正確地使用它。