最近看到有人在项目中用到 dataframe.copy(deep = True)这种用法，有点好奇 =，copy（），copy（deep = True）的区别，所以记录学习结果在下边。
In[33]: import pandas as pd
In[34]: df1 = pd.DataFrame([1,2,3,4,5])
In[35]: id(df1)
Out[35]: 4541269200
In[36]: df2 = df1
In[37]: id(df2)
Out[37]: 4541269200 # 与df1一样的ID
In[38]: df3 = df1.copy()
In[39]: id(df3)
Out[39]: 4541269584 # df3是个新的对象，有新的ID
In[40]: df4 = df1.copy(deep=False)
In[41]: id(df4)
Out[41]: 4541269072 # 新的对象，有新的ID
In[42]: df1 = pd.DataFrame([9, 9, 9])
In[43]: id(df1)
Out[43]: 4541271120 # 新对象，新的ID，捆绑在df1 的名字上
In[44]: id(df2)
Out[44]: 4541269200 # 旧的对象不受影响
从上面的代码可以看出， = 过程是让新的变量指向旧变量的地址，两个变量指向同一个内容，改变这个内容，这两个变量都会改变。
copy（） 和 copy（deep= False）都是浅拷贝，是复制了旧对象的内容，然后重新生成一个新对象，新旧对象的ID 是不同的，改变旧对象不会影响新对象。
浅拷贝是只拷贝父对象，不拷贝对象内部的子对象的
如果一个对象中还有list ， 就像 [1,2,3,4, ['lalala','hahaha'] ],那么copy只会拷贝第一层对象，对第二层['lalala','hahaha'] 的修改还是会反映到copy过的新对象中。
import copy
t1 = [1,2,[1,2],4,5]
t2 = t1
t3 = t1.copy()
t4 = copy.deepcopy(t1)
t1[1] = '666'
t1.append([6,7])
t1[2].append(3)
print("t1:",t1,id(t1))
print("t2:",t2,id(t2))
print("t3:",t3,id(t3))
print("t4:",t4,id(t4))
t1: [1, '666', [1, 2, 3], 4, 5, [6, 7]] 1621427166728 #用等号的两个变量ID一样
t2: [1, '666', [1, 2, 3], 4, 5, [6, 7]] 1621427166728 #用等号的两个变量ID一样
t3: [1, 2, [1, 2, 3], 4, 5] 1621427326664 #shallow copy创建了新ID,对第一级对象的修改不影响变量，但对第二级对象的修改还是会影响变量。
t4: [1, 2, [1, 2], 4, 5] 1621422497480 #deep copy 也创建了新ID,且不会影响二级，三级等子对象。
然而在dataframe里deep copy 是没用的。
import pandas as pd
arr1 = [1, 2, 3]
arr2 = [1, 2, 3, 4]
df1 = pd.DataFrame([[arr1], [arr2]], columns=['A'])
df2 = df1.copy(deep = True)
print('df1:',id(df1))
print('df2:',id(df2))
df1: 1621427214936 ##两个dataframe 的确有不同的ID
df2: 1621427214208 ##两个dataframe 的确有不同的ID
print('df1',df1.applymap(id))
print('df2',df2.applymap(id))
df1 A
0 1621427165256
1 1621426195592
df2 A
0 1621427165256
1 1621426195592
但是里面的每个series 都具有相同的ID
print('df1',df1)
print('df2',df2)
df2.loc[0,'A'].append('hahaha')
print('---------修改df2后---------')
print('df1',df1)
print('df2',df2)
df1 A
0 [1, 2, 3]
1 [1, 2, 3, 4]
df2 A
0 [1, 2, 3]
1 [1, 2, 3, 4]
---------修改df2后---------
df1 A
0 [1, 2, 3, hahaha]
1 [1, 2, 3, 4]
df2 A
0 [1, 2, 3, hahaha]
1 [1, 2, 3, 4]
#deep copy 没产生作用
PS. 实测用 copy.deepcopy() 也没用，好像dataframe没办法深拷贝，，，
回头找找看有没有办法吧。
