替换pandas数据帧行会覆盖所有列的dtypes

Question

当我替换df的一行时，它会导致现有的dtype = int列变为float。我想把它保持为int。

我创建了df：

testdate = pd.datetime(2014, 1, 1)
adddata = {'intcol':0,'floatcol':0.0}
df = pd.DataFrame(data=adddata, index=pd.date_range(testdate, periods=1))

根据需要，一列是int，另一列是float，由df.dtypes确认：

floatcol    float64
intcol        int64
dtype: object

然后我使用df.ix[testdate] = pd.Series(adddata)覆盖现有行（在这种情况下只有1行）。我故意使用相同的数据来显示问题：intcol已成为浮点数。 df.dtypes：

floatcol    float64
intcol      float64
dtype: object

请注意，我可以单独更改单元格（例如df.ix[testdate,'floatcol'] = 0.0）并保持列dtypes，但实际上我有多于2列我想要同时覆盖，所以一次只做一个繁琐。

Answer 1

有趣的是，即使将数据类型指定为object也无济于事：

>>> df.loc[testdate,:] = pd.Series(adddata, dtype='object')
>>> df.dtypes
floatcol    float64
intcol      float64
dtype: object

某人可能有更好的解决方案，但我注意到这有效：

>>> df.loc[testdate,:] = pd.Series(list(adddata.values()), adddata.keys(), dtype='object')
>>> df.dtypes
floatcol    float64
intcol        int64
dtype: object

但是，如果行值为dict格式，那么这可能会更容易：

>>> df.loc[testdate,:] = list(map(adddata.get, df.columns))
>>> df.dtypes
floatcol    float64
intcol        int64
dtype: object