Question

为什么Pandas在这段代码中将我的numpy float32强制转换为float64：

>>> import pandas as pd
>>> import numpy as np
>>> df = pd.DataFrame([[1, 2, 'a'], [3, 4, 'b']], dtype=np.float32)
>>> A = df.ix[:, 0:1].values
>>> df.ix[:, 0:1] = A
>>> df[0].dtype
dtype('float64')

这种行为对我来说似乎很奇怪，不知道它是不是一个bug。我在Pandas版本0.17.1（更新的PyPI版本）上，我注意到最近有一些强制错误，请参阅https://github.com/pydata/pandas/issues/11847。我还没有尝试使用更新的GitHub主代码。

这是一个错误还是我误解了一些＆＃34;功能＆＃34;在熊猫？如果它是一个功能，那么我该如何解决它呢？

（胁迫问题涉及我最近询问的有关熊猫作业表现的问题：Assignment of Pandas DataFrame with float32 and float64 slow）

Answer 1

我认为值得将此作为GitHub问题发布。这种行为肯定是不一致的。

代码根据DataFrame是否为混合类型（source）采用不同的分支。

在混合类型的情况下，ndarray被转换为float64数字的Python列表，然后转换回float64 ndarray，忽略DataFrame的dtypes信息（function maybe_convert_objects()）。
在非混合类型的情况下，DataFrame内容几乎直接更新（source），而DataFrame保留其float32 dtypes。

Answer 2

不是答案，而是我对问题的解答：

In [2]: df = pd.DataFrame([[1, 2, 'a'], [3, 4, 'b']], dtype=np.float32)
In [3]: df.dtypes
Out[3]: 
0    float32
1    float32
2     object
dtype: object
In [4]: A=df.ix[:,:1].values
In [5]: A
Out[5]: 
array([[ 1.,  2.],
       [ 3.,  4.]], dtype=float32)
In [6]: df.ix[:,:1] = A
In [7]: df.dtypes
Out[7]: 
0    float64
1    float64
2     object
dtype: object
In [8]: pd.__version__
Out[8]: '0.15.0'

我对pandas的{{1}}并不熟悉，但我很困惑为什么numpy给了我一个2列的结果。在ix[:,:1]中，这种索引只提供了1列。

如果我指定了一列numpy，则不会更改

dtype

没有混合数据类型的相同操作不会更改In [47]: df.ix[:,[0]]=A[:,0] In [48]: df.dtypes Out[48]: 0 float32 1 float32 2 object

dtypes

关键必须是混合值，数据框在某种意义上是In [100]: df1 = pd.DataFrame([[1, 2, 1.23], [3, 4, 3.32]], dtype=np.float32) In [101]: A1=df1.ix[:,:1].values In [102]: df1.ix[:,:1]=A1 In [103]: df1.dtypes Out[103]: 0 float32 1 float32 2 float32 dtype: object数组，无论是内部数据存储，还是其dtype=object接口。< / p>

numpy

为什么Pandas将我的numpy float32强制转换为float64？

2 个答案: