Pandas 在具有混合数据类型的数据帧中分配整数值时出现问题

我有一个有四列的数据框架，数据类型设置如下（向ryanjdillon致敬！）

在此阶段，df.dtypes如下所示：

size      int64
sum     float64
mean    float64
std     float64
dtype: object

到目前为止很好。但是我第一次给“size”列赋值时，例如

df.loc['foo', 'size'] = 1

在本例中，它将列的数据类型翻转为float64，并将值强制转换为1.0

size    float64
sum     float64
mean    float64
std     float64
dtype: object

---

这里是什么？

您没有为大小指定int值。在代码中：df['foo'，'size']=1表示添加另一列。你的意思是：df.loc['foo'，'size']=1（其中foo是索引，1表示大小）？我的错。我做了df.loc['foo'，'size']=1，得到了一个新行，索引为'foo'，'size'=1.0，所以你的问题是为什么会这样（就像引擎盖下发生的事情一样），或者如何修复它？我想两者都有一点。我发现了一些难看的解决方法（比如，在构造函数中用零初始化int列）。但是，了解引擎盖下发生的事情可能有助于我避免黑客攻击。我认为最简单的方法是在示例中使用“astype（'int64'）”：df['size']=df['size']。astype（'int64'）不为大小指定int值。在代码中：df['foo'，'size']=1表示添加另一列。你的意思是：df.loc['foo'，'size']=1（其中foo是索引，1表示大小）？我的错。我做了df.loc['foo'，'size']=1，得到了一个新行，索引为'foo'，'size'=1.0，所以你的问题是为什么会这样（就像引擎盖下发生的事情一样），或者如何修复它？我想两者都有一点。我发现了一些难看的解决方法（比如，在构造函数中用零初始化int列）。但是，了解引擎盖下发生的事情可能会帮助我避免黑客攻击。我认为最简单的方法就是在示例中使用“astype（'int64'）：df['size']=df['size']].astype（'int64'））

size    float64
sum     float64
mean    float64
std     float64
dtype: object