使用 pd.options.mode.copy_on_write = True 时，写入副本时原对象不应被修改。不过，当我重新给副本中的某一列赋值时，原对象会受到影响。

import pandas as pd
pd.options.mode.copy_on_write = True
df = pd.DataFrame({'a': [1, 2], 'b': [3, 4]})
df_temp = df
df_temp["a"] = df_temp["a"].replace(1, 999)

避免此问题的唯一方法是使用 df_temp = df.copy() 吗？我在使用pandas 2.3.3。

解决方案

来自 copy-on-write文档（强调为原作者所加）：

CoW的意思是，任何以某种方式从另一个DataFrame或 Series派生的对象，在任何情况下都始终表现得像一个拷贝。因为这个原因，我们只能通过修改对象本身来改变对象的值。CoW不允许就地更新与 另一个DataFrame或 Series对象 共享数据的DataFrame或 Series。

你之所以会出现这种行为，是因为 df_temp 并不是一个“来自于”DataFrame 的“另一个”，也不是从 df 派生的对象，更不是 df 的“拷贝”。由于Python的赋值运算符的语义，它字面上就是 df 本身：

import pandas as pd
pd.options.mode.copy_on_write = True
df = pd.DataFrame({'a': [1, 2], 'b': [3, 4]})
df_temp = df
assert df is df_temp

因此，CoW不会生效；就此而言，Pandas甚至不可能为此添加支持，因为 赋值不可被重载。

df_temp = df.copy() 也没问题，对我来说，它比依赖隐式的CoW更清晰。若你实际上并不需要 df 在 df_temp 中的全部内容，你也可以只对你将要使用的列进行索引；索引确实会创建一个新的 DataFrame，因此CoW将按你预期地触发。