这篇文章主要介绍pandas中inplace参数的作用是什么，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！
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。
例：
inplace=True情况：
import pandas as pd
import numpy as np
df=pd.DataFrame(np.random.randn(4,3),columns=["A","B","C"])
data=df.drop(["A"],axis=1,inplace=True)
print(df)
print(data)
>>
B C
0 0.472730 -0.626685
1 0.065358 0.031326
2 -0.318582 1.123308
3 -0.097687 0.018820
Noneinplace=False情况：
df=pd.DataFrame(np.random.randn(4,3),columns=["A","B","C"])
data=df.drop(["A"],axis=1,inplace=False)
print(df)
print(data)
>>
A B C
0 -0.731578 0.226483 0.986656
1 0.075936 1.622889 1.767967
2 -1.477780 -0.164374 -1.025555
3 -0.645208 -0.847264 -0.744622
B C
0 0.226483 0.986656
1 1.622889 1.767967
2 -0.164374 -1.025555
3 -0.847264 -0.744622另外，要注意的是，inplace的取值只有False和True，如给定0或1，会报如下错误：
ValueError: For argument "inplace" expected type bool, received type int.
补充知识：pandas.DataFrame.drop_duplicates后面inplace=True与inplace=False的区别
drop_duplicates(inplace=True)是直接对原dataFrame进行操作。
如:
t.drop_duplicates(inplace=True) 则，对t中重复将被去除。
drop_duplicates(inplace=False)将不改变原来的dataFrame，而将结果生成在一个新的dataFrame中。
如：
s = t.drop_duplicates(inplace=False) 则，t的内容不发生改变，s的内容是去除重复后的内容
以上是pandas中inplace参数的作用是什么的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注亿速云行业资讯频道！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
