写时复制#

写时复制是一种内存管理策略，允许多个包含相同数据的cuDF对象引用相同的内存地址，只要它们都不修改底层数据。 通过这种方法，任何生成对象未修改视图的操作（如复制、切片或像DataFrame.head这样的方法）都会返回一个新对象，该对象指向与原始对象相同的内存。 然而，当现有对象或新对象被修改时，在修改之前会复制数据，确保更改不会在两个对象之间传播。 通过查看以下示例，可以最好地理解这种行为。

cuDF 中的默认行为是禁用写时复制，因此要使用它，必须通过设置 cuDF 选项明确选择启用。建议在脚本执行开始时设置写时复制，因为在脚本执行过程中更改此设置时，会出现意外行为，即在启用写时复制时创建的对象仍将具有写时复制行为，而在禁用写时复制时创建的对象将具有不同的行为。

启用写时复制#

  1. 使用 cudf.set_option:

    >>> import cudf
>>> cudf.set_option("copy_on_write", True)

  2. 在启动Python解释器之前，将环境变量 CUDF_COPY_ON_WRITE 设置为 1：

    export CUDF_COPY_ON_WRITE="1" python -c "import cudf"

禁用写时复制#

可以通过将copy_on_write选项设置为False来禁用写时复制：

>>> cudf.set_option("copy_on_write", False)

制作副本#

使用写时复制不需要在代码中进行额外的更改。

>>> series = cudf.Series([1, 2, 3, 4])

执行浅拷贝将创建一个新的Series对象，指向相同的底层设备内存：

>>> copied_series = series.copy(deep=False)
>>> series
0    1
1    2
2    3
3    4
dtype: int64
>>> copied_series
0    1
1    2
2    3
3    4
dtype: int64

当对series或copied_series执行写操作时，会创建一个真实的数据物理副本：

>>> series[0:2] = 10
>>> series
0    10
1    10
2     3
3     4
dtype: int64
>>> copied_series
0    1
1    2
2    3
3    4
dtype: int64

注释#

当启用写时复制时，切片或索引时不再有视图的概念。从这个意义上说，索引的行为就像人们期望的内置Python容器（如lists）一样，而不是索引numpy arrays。修改由cuDF创建的“视图”将始终触发复制，并且不会修改原始对象。

写时复制产生了更加一致的复制语义。由于每个对象都是原始对象的副本，用户不再需要考虑何时可能会意外地在原地发生修改。这将使操作之间保持一致，并在启用写时复制时使cudf和pandas的行为保持一致。以下是一个例子，展示了在没有启用写时复制的情况下，pandas和cudf目前的不一致行为：


>>> import pandas as pd
>>> s = pd.Series([1, 2, 3, 4, 5])
>>> s1 = s[0:2]
>>> s1[0] = 10
>>> s1
0    10
1     2
dtype: int64
>>> s
0    10
1     2
2     3
3     4
4     5
dtype: int64

>>> import cudf
>>> s = cudf.Series([1, 2, 3, 4, 5])
>>> s1 = s[0:2]
>>> s1[0] = 10
>>> s1
0    10
1     2
>>> s
0    1
1    2
2    3
3    4
4    5
dtype: int64

当启用写时复制时，上述不一致性得到解决：

>>> import pandas as pd
>>> pd.set_option("mode.copy_on_write", True)
>>> s = pd.Series([1, 2, 3, 4, 5])
>>> s1 = s[0:2]
>>> s1[0] = 10
>>> s1
0    10
1     2
dtype: int64
>>> s
0    1
1    2
2    3
3    4
4    5
dtype: int64


>>> import cudf
>>> cudf.set_option("copy_on_write", True)
>>> s = cudf.Series([1, 2, 3, 4, 5])
>>> s1 = s[0:2]
>>> s1[0] = 10
>>> s1
0    10
1     2
dtype: int64
>>> s
0    1
1    2
2    3
3    4
4    5
dtype: int64

显式深拷贝和浅拷贝比较#

启用写时复制

禁用写时复制（默认）

.copy(deep=True)

创建了一个真实的副本，更改不会传播到原始对象。

创建了一个真实的副本，更改不会传播到原始对象。

.copy(deep=False)

内存在这两个对象之间共享，但在一个对象上执行任何写操作之前，都会触发真正的物理复制。因此，更改不会传播到原始对象。

内存在这两个对象之间共享，对一个对象所做的更改将传播到另一个对象。