Pandas 使用多级列时忽略数据类型

将DataFrame.read\u csv与多级列一起使用时（使用

标题读取=

），Panda似乎忽略了

dtype=

关键字。 有没有办法让熊猫使用传递的类型？ 我正在从CSV读取大数据集，因此尝试以正确的格式读取数据，以节省CPU和内存

我尝试使用带有元组和字符串的数据类型传递dict。似乎dtype需要字符串。至少我观察到，如果我传递级别0键，类型将被分配，但不幸的是，这意味着具有相同级别0标签的所有列将获得相同的类型。在下面的esample中，列（A，int16）和（A，int32）将获得类型对象，（B，float32）和（B，int16）将获得float32

将熊猫作为pd导入
df=pd.DataFrame({
（'A'，'int16'）：pd.系列（[1,2,3,4]，dtype='int16'），
（'A'，'int32'）：pd.系列（[132,232,332,432]，dtype='int32'），
（'B'，'float32'）：pd.系列（[1.01,1.02,1.03,1.04]，dtype='float32'），
（'B'，'int16'）：pd.Series（[21,22,23,24]，dtype='int16'））
打印（df）
df.to_csv（'test_df.csv'））
打印（df.dtypes）
#带有级别0/1标签的完整列名元组无效
df_new=pd.read_csv(
“test_df.csv”，
标题=列表（范围（2）），
数据类型={
（'A'，'int16'）：'int16'，
（'A'，'int32'）：'int32'
})
打印（df_新的.d类型）
#对dtype=使用0级标签似乎有效
df_new2=pd.read_csv(
“test_df.csv”，
标题=列表（范围（2）），
数据类型={
“A”：“object”，
“B”：“浮动32”
})
打印（df_new2.dtypes）

我希望第二个

print（df.dtypes）

输出与第一个

print（df.dtypes）

相同的列类型，但它似乎根本没有使用

dtype=

参数，并推断出导致内存密集型的类型

我错过什么了吗

提前谢谢你的留言

import pandas as pd
    df=  pd.DataFrame({
        ('A', 'int16'):   pd.Series([1, 2, 3, 4], dtype='int16'),
        ('A', 'int32'):   pd.Series([132, 232, 332, 432], dtype='int32'), 
        ('B', 'float32'): pd.Series([1.01, 1.02, 1.03, 1.04], dtype='float32'),
        ('B', 'int16'):   pd.Series([21, 22, 23, 24], dtype='int16')})
    print(df)
    df.to_csv('test_df.csv')
    print(df.dtypes)
    <i># full column name tuples with level 0/1 labels don't work</i>
    df_new= pd.read_csv(
        'test_df.csv',
        header=list(range(2)),
        dtype = {
            ('A', 'int16'): 'int16', 
            ('A', 'int32'): 'int32'
        })
    print(df_new.dtypes)
    <i># using the level 0 labels for dtype= seems to work</i>
    df_new2= pd.read_csv(
        'test_df.csv', 
        header=list(range(2)), 
        dtype={
            'A':'object', 
            'B': 'float32'
        })
    print(df_new2.dtypes)