Julia: il passaggio di un DataFrame a una funzione crea un puntatore a DataFrame?

Question

Ho una funzione in cui normalizzo le prime N colonne di un DataFrame. Voglio restituire il DataFrame normalizzato, ma lasciare l'originale da solo. Tuttavia, sembra che la funzione muti anche il DataFrame passato!

using DataFrames 

function normalize(input_df::DataFrame, cols::Array{Int}) 
    norm_df = input_df 
    for i in cols 
     norm_df[i] = (input_df[i] - minimum(input_df[i]))/
      (maximum(input_df[i]) - minimum(input_df[i])) 
    end 
    norm_df 
end 

using RDatasets 
iris = dataset("datasets", "iris") 
println("original df:\n", head(iris)) 

norm_df = normalize(iris, [1:4]); 
println("should be the same:\n", head(iris)) 

uscita:

original df: 
6x5 DataFrame 
| Row | SepalLength | SepalWidth | PetalLength | PetalWidth | Species | 
|-----|-------------|------------|-------------|------------|----------| 
| 1 | 5.1   | 3.5  | 1.4   | 0.2  | "setosa" | 
| 2 | 4.9   | 3.0  | 1.4   | 0.2  | "setosa" | 
| 3 | 4.7   | 3.2  | 1.3   | 0.2  | "setosa" | 
| 4 | 4.6   | 3.1  | 1.5   | 0.2  | "setosa" | 
| 5 | 5.0   | 3.6  | 1.4   | 0.2  | "setosa" | 
| 6 | 5.4   | 3.9  | 1.7   | 0.4  | "setosa" | 

should be the same: 
6x5 DataFrame 
| Row | SepalLength | SepalWidth | PetalLength | PetalWidth | Species | 
|-----|-------------|------------|-------------|------------|----------| 
| 1 | 0.222222 | 0.625  | 0.0677966 | 0.0416667 | "setosa" | 
| 2 | 0.166667 | 0.416667 | 0.0677966 | 0.0416667 | "setosa" | 
| 3 | 0.111111 | 0.5  | 0.0508475 | 0.0416667 | "setosa" | 
| 4 | 0.0833333 | 0.458333 | 0.0847458 | 0.0416667 | "setosa" | 
| 5 | 0.194444 | 0.666667 | 0.0677966 | 0.0416667 | "setosa" | 
| 6 | 0.305556 | 0.791667 | 0.118644 | 0.125  | "setosa" | 

Answer 1

Julia usa un comportamento noto come "pass-by-sharing". Dai documenti (sottolineatura mia):

Gli argomenti della funzione Julia seguono una convenzione chiamata talvolta "condivisione per condivisione", che significa che i valori non vengono copiati quando vengono passati alle funzioni. Gli stessi argomenti delle funzioni fungono da nuove associazioni di variabili (nuove posizioni che possono riferirsi ai valori), ma i valori a cui si riferiscono sono identici ai valori passati. Le modifiche ai valori mutabili (come matrici) effettuate all'interno di una funzione saranno visibili al chiamante. Questo è lo stesso comportamento trovato in Scheme, la maggior parte dei Lisps, Python, Ruby e Perl, tra gli altri linguaggi dinamici.

Nel tuo caso particolare, ciò che sembra voler creare è un DataFrame completamente nuovo e indipendente per la tua operazione di normalizzazione. Puoi farlo utilizzando deepcopy, ad es.

norm_df = deepcopy(input_df) 

Julia tipicamente richiederà di fare questo genere di cose in modo esplicito dal momento che la creazione di una copia indipendente di un grande data-telaio può essere computazionalmente costoso e Julia è un linguaggio orientato alle prestazioni.

Sempre dalla documentazione, notare il seguente importante differenza tra copy e deepcopy:

copy(x): Creare una copia di x: la struttura esterna viene copiato, ma non tutti i valori interni. Ad esempio, la copia di un array produce un nuovo array con gli stessi identici elementi dell'originale.

deepcopy(x): crea una copia profonda di x: tutto viene copiato ricorsivamente, dando origine a un oggetto completamente indipendente. Ad esempio, la copia profonda di un array produce un nuovo array i cui elementi sono copie in profondità degli elementi originali.

tipo DataFrame è array simile, e così deepcopy è necessario.

Una domanda SO correlata è here.