转载自levi的博客：pandas.DataFrame.copy函数方法的使用

DataFrame.copy(deep=True)

复制此对象的索引和数据。

当deep=True（默认）时，将使用调用对象的数据和索引的副本创建新对象。对副本的数据或索引的修改不会反映在原始对象中（请参阅下面的注释）。

当deep=False，将创建一个新对象而不复制调用对象的数据或索引（仅复制对数据和索引的引用）。对原始数据的任何更改都将反映在浅层副本中（反之亦然）。

属性

说明

参数

deep： bool，默认为True。
创建深层副本，包括数据和索引的副本。随着deep=False无论是指数还是数据复制。

返回

copy： Series，DataFrame或Panel。
对象类型与调用者匹配。

Notes

当deep=True，数据被复制但实际的Python对象不会被递归复制，只能引用该对象。这与标准库中的copy.deepcopy形成对比，后者以递归方式复制对象数据（请参阅下面的示例）。

在Index复制对象时deep=True，由于性能原因，不会复制基础numpy数组。由于Index是不可变的，因此可以安全地共享基础数据并且不需要副本。

例子

>>> s = pd.Series([1, 2], index=["a", "b"])
>>> s
a    1
b    2
dtype: int64
>>> s_copy = s.copy()
>>> s_copy
a    1
b    2
dtype: int64

浅拷贝与默认（深层）拷贝：

>>> s = pd.Series([1, 2], index=["a", "b"])
>>> deep = s.copy()
>>> shallow = s.copy(deep=False)

浅拷贝与原始数据共享数据和索引。

>>> s is shallow
False
>>> s.values is shallow.values and s.index is shallow.index
True

深层副本具有自己的数据和索引副本。

>>> s is deep
False
>>> s.values is deep.values or s.index is deep.index
False

浅拷贝和原始数据共享的数据的更新反映在两者中; 深拷贝保持不变。

>>> s[0] = 3
>>> shallow[1] = 4
>>> s
a    3
b    4
dtype: int64
>>> shallow
a    3
b    4
dtype: int64
>>> deep
a    1
b    2
dtype: int64

请注意，复制包含Python对象的对象时，深层副本将复制数据，但不会以递归方式复制。更新嵌套数据对象将反映在深层副本中。

>>> s = pd.Series([[1, 2], [3, 4]])
>>> deep = s.copy()
>>> s[0][0] = 10
>>> s
0    [10, 2]
1     [3, 4]
dtype: object
>>> deep
0    [10, 2]
1     [3, 4]
dtype: object