为什么即使我分割了原始DataFrame并将其赋给了另一个变量，原始DataFrame仍然改变了值？

原始DataFrame改变值的原因是因为在Python中，变量赋值是通过引用传递的方式进行的。当将原始DataFrame分割并赋给另一个变量时，实际上是将原始DataFrame的引用赋给了新的变量，而不是创建了一个新的DataFrame对象。

这意味着，无论是对原始DataFrame还是新的变量进行操作，实际上都是对同一个DataFrame对象进行的操作。因此，当对其中一个对象进行修改时，另一个对象也会受到影响，因为它们共享相同的内存空间。

要避免这种情况，可以使用DataFrame的copy()方法创建一个新的DataFrame对象，而不是仅仅赋值给另一个变量。copy()方法会创建一个原始DataFrame的副本，这样对副本的修改不会影响原始DataFrame。

以下是一个示例代码：

import pandas as pd

# 创建原始DataFrame
df_original = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

# 使用copy()方法创建副本
df_copy = df_original.copy()

# 修改副本的值
df_copy['A'][0] = 100

# 打印原始DataFrame和副本的值
print(df_original)
print(df_copy)

输出结果为：

   A  B
0  1  4
1  2  5
2  3  6

     A  B
0  100  4
1    2  5
2    3  6

可以看到，修改副本的值并不会影响原始DataFrame的值。