这是github上解释的副本。
有 没有保证 ，一个
inplace操作实际上要快。通常，它们实际上是与副本相同的操作，但是会重新分配顶级引用。
在这种情况下，性能差异的原因如下。
该
(df1-df2).dropna()调用将创建数据帧的一部分。当您应用新操作时，这会触发
SettingWithCopy检查，因为它 可能
是副本（但通常不是）。
此检查必须执行垃圾回收以清除一些缓存引用，以查看它是否是副本。不幸的是，python语法使这种情况不可避免。
您只需要先制作一个副本就不会发生这种情况。
df = (df1-df2).dropna().copy()
接下来的
inplace操作将和以前一样出色。
我个人的看法：我 从不 使用就地操作。语法较难阅读，没有任何优势。
