Question

我有DataFrame。以下是两个相关列：一列是int列，另一列是str列。

我了解如果我将NaN插入int列，Pandas会将所有int转换为float，因为没有NaN值int。

但是，当我将None插入str列时，Pandas也将我的所有int转换为float。这对我来说没有意义 - 为什么第2列中的值会影响第1列？

这是一个简单的工作示例（Python 2）：

import pandas as pd
df = pd.DataFrame()
df["int"] = pd.Series([], dtype=int)
df["str"] = pd.Series([], dtype=str)
df.loc[0] = [0, "zero"]
print df
print
df.loc[1] = [1, None]
print df

输出

   int   str
0    0  zero

   int   str
0  0.0  zero
1  1.0   NaN

有没有办法让输出如下：

   int   str
0    0  zero

   int   str
0    0  zero
1    1   NaN

没有将第一列重新设为int。

我更喜欢使用int而不是float，因为实际数据在那列是整数。如果没有解决方法，我会但请使用float。
我不想重铸，因为在我的实际代码中，我没有存储实际的dtype。
我还需要逐行插入数据。

Answer 1

如果设置dtype=object，系列将能够包含任意数据类型：

df["int"] = pd.Series([], dtype=object)
df["str"] = pd.Series([], dtype=str)
df.loc[0] = [0, "zero"]
print(df)
print()
df.loc[1] = [1, None]
print(df)

   int   str
0    0  zero
1  NaN   NaN

  int   str
0   0  zero
1   1  None

Answer 2

自熊猫1.0.0起，我相信您还有另一种选择，那就是首先使用convert_dtypes。这样可以将数据框列转换为支持pd.NA的dtype，从而避免了NaN / None的问题。

...

df = df.convert_dtypes()
df.loc[1] = [1, None]
print(df)

#   int   str
# 0   0  zero
# 1   1  NaN

Answer 3

这同样有效：

df["int"] = df["int"].astype(int)

来自https://stackoverflow.com/a/33313377/4355695

编辑：当列有空白时，这不会很好:(

Answer 4

如果您使用DataFrame.append添加数据，则dtypes将保留，并且您不必重铸或依赖object：

In [157]: df
Out[157]:
   int   str
0    0  zero

In [159]: df.append(pd.DataFrame([[1, None]], columns=['int', 'str']), ignore_index=True)
Out[159]:
   int   str
0    0  zero
1    1  None

阻止Pandas将int转换为float

4 个答案: