意外的Python循环行为

Question

我想知道是否有人能帮助解释我看到的一些奇怪的循环行为-以下是我的代码：

在这部分代码中，一切都正常工作

# Loop through ref_df and run Isolation Forest models by CID
for row in ref_df.itertuples():
    # Reference CID from ref_df
    ref = row.CID
    # Filter new_df table
    ref_fil = new_df['CID']==ref
    mod_df = []
    mod_df = new_df[ref_fil]
    mod_df = mod_df.copy()

然后，我添加了以下代码：

    # Add differences between dates to mod_df
    mod_df['InvoiceDate']= pd.to_datetime(mod_df['InvoiceDate']) 
    mod_df = mod_df.sort_values(by=['CID', 'InvoiceDate'])
    prev_dates = mod_df.InvoiceDate.shift().fillna(pd.datetime(2019,10,1))
    ddiff = mod_df.InvoiceDate - prev_dates
    ddiff.name = 'DDiff'
    mod_df = pd.concat((mod_df, ddiff), axis=1, copy=False)
    <Then do something here with mod_df>

下面是代码的工作原理：

• ref_df是一个参考数据框，包含零件号（CID）列表
• 代码循环通过ref_df中的每个CID
• ref_df CID用于过滤另一个数据帧new_df中具有相同CID的记录
• 该过滤器最终成为数据帧模块
• 所有这些都工作正常，循环在每次循环时过滤并创建mod_df数据帧
• 今天早上，我添加了额外的代码来计算mod_df中发票日期之间的差异

我在mod_df中看到的输出如下所示：

       CID  InvoiceDate  DDiff   DDiff   DDiff
1005    18  2019-10-02 0 days  1 days  1 days
1720    18  2019-10-03 0 days  1 days  1 days
4187    18  2019-10-09 0 days  6 days  6 days
7263    18  2019-10-16 0 days  7 days  7 days
9476    18  2019-10-19 0 days  3 days  3 days
11923   18  2019-10-24 0 days  5 days  5 days
12626   18  2019-10-25 0 days  1 days  1 days
13361   18  2019-10-28 0 days  3 days  3 days
20446   18  2019-11-08 0 days 11 days 11 days

奇怪的是，输出是在一个循环之后（代码中添加了一个“break”），每次代码循环时，代码mod_df = []都应该清除mod_df。我不知道为什么3个DDiff列被添加到mod_df？在一个循环之后，应该有一个DDiff列，当下一个循环开始时，它将与mod_df的其余部分一起清除。第一个DDiff列填充了0，这也是意外的

有人能解释一下这里可能发生的事情吗

非常感谢您的帮助

根据要求，以下是ddiff：

1005     1 days
1720     1 days
4187     6 days
7263     7 days
9476     3 days
11923    5 days
12626    1 days

根据要求，以下为参考文件：

          CID  OrderQty InvoiceDate
0          18        25   10/2/2019
1     1000736        40  10/14/2019
2     1015387        35   10/4/2019
3     1020700        20   10/1/2019
4     1038702        45   10/8/2019

CID=18是用于过滤上述mod_df的键

Answer 1

最后，找到了问题行：

 mod_df = pd.concat((mod_df, ddiff), axis=1, copy=False)

在这里改名

mod_df_1 = pd.concat((mod_df, ddiff), axis=1, copy=False)

所以，问题是，当mod_df继续将其与DDiff连接时，您运行代码的次数将附加DDiff