有没有办法从列表创建单列 pandas DataFrame 而无需复制列表？

假设我有这样的代码：

import pandas as pd

mylist = [item for item in range(100000)]
df = pd.DataFrame()
df["col1"] = mylist

中的数据在赋值给 mylist 时是否被复制了？如果是这样，有没有办法避免这种复制？ df["col1"] 编辑：在这种情况下，我的列表是字符串列表。我从这些答案中得到的一件事是，如果我创建这些字符串的 numpy 数组，我调用

时不会发生数据重复？ df["col1"] = mynparray ?

在提供的代码中，将 mylist 分配给 df["col1"] 时， 会 发生数据复制。这是因为 Pandas DataFrames 被设计为保存数据的自身副本以实现数据完整性和可预测行为。

但是，可以使用多种方法避免这种复制：

1. 使用 pd.Series 构造函数

可以使用 pd.Series 构造函数直接从列表创建 Pandas Series，然后将该 Series 分配给 DataFrame 列。这比创建空 DataFrame 然后分配列更有效。

import pandas as pd

mylist = [item for item in range(100000)]
df = pd.DataFrame({"col1": pd.Series(mylist, copy=False)})

使用 copy=False 参数指示 Pandas 在可能的情况下避免复制数据。但是，如果基础数据不是兼容的 dtype（例如，Python 字符串列表），Pandas 可能仍会为了类型一致性创建副本。

2. 使用 NumPy 数组和 share()

如果处理的是字符串以外的数字数据，则可以创建一个 NumPy 数组并将 share() 方法用于其基础数据缓冲区。这将创建一个共享相同底层数据的视图，从而避免复制。

import pandas as pd
import numpy as np

mynparray = np.arange(100000)
df = pd.DataFrame({"col1": mynparray.share(name="col1")})

这将创建一个 DataFrame，其中“col1”列与 NumPy 数组共享数据缓冲区，从而防止复制。

3. 使用 from_records()

如果的数据已经是列表列表或 NumPy 数组，则可以使用 from_records() 方法创建一个 DataFrame 并将 copy=False 传递给它。

import pandas as pd

data = [[item] for item in range(100000)]
df = pd.DataFrame.from_records(data, columns=["col1"], copy=False)

这将创建一个 DataFrame，该 DataFrame 使用提供的列表作为其数据，而不进行复制。

对于的字符串列表情况：

创建这些字符串的 NumPy 数组并将该数组分配给 df["col1"] 不会复制字符串数据本身 。这是因为 NumPy 数组可以保存对对象的引用，例如字符串。但是，Pandas DataFrame 仍将存储对 NumPy 数组的引用，这意味着数据本身存在于 DataFrame 之外。

重要的是要注意，避免复制并不总是最好的选择。如果需要修改原始列表或 NumPy 数组，同时保持 DataFrame 中数据的完整性，则允许 DataFrame 创建数据副本会更安全。