Python 为什么pd.concat会将结果数据类型从int更改为float？

我有三个数据帧：timestamp（带有时间戳）、dataSun（带有日出和日落的时间戳）、dataData（带有不同的气候数据）。数据帧

时间戳

具有数据类型

“int64”

timestamp.head（）
时间戳
0  1521681600000
1  1521681900000
2  1521682200000
3  1521682500000
4 1521682800000

数据帧

dataSun

还具有数据类型

“int64”

带有气候数据的数据框具有数据类型“float64”

我想把这三个数据帧连接在一起

dataResult = pd.concat((timestamp, dataSun, dataData), axis = 1)
dataResult.head()
       timestamp       sunrise        sunset  temperature     pressure     
0  1521681600000  1.521696e+12  1.521741e+12     2.490000  1018.000000   
1  1521681900000  1.521696e+12  1.521741e+12     2.408333  1017.833333   
2  1521682200000  1.521696e+12  1.521741e+12     2.326667  1017.666667   
3  1521682500000  1.521696e+12  1.521741e+12     2.245000  1017.500000   
4  1521682800000  1.521696e+12  1.521741e+12     2.163333  1017.333333   
5  1521683100000  1.521696e+12  1.521741e+12     2.081667  1017.166667   

weatherMeasurements.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 7188 entries, 0 to 7187
Data columns (total 6 columns):
timestamp      7188 non-null int64
sunrise        7176 non-null float64
sunset         7176 non-null float64
temperature    7176 non-null float64
pressure       7176 non-null float64
humidity       7176 non-null float64
dtypes: float64(5), int64(1)

dataResult=pd.concat（（时间戳，dataSun，dataData），axis=1）
dataResult.head（）
时间戳日出日落温度压力
0 1521681600000 1.521696e+12 1.521741e+12 2.490000 1018.000000
1 1521681900000 1.521696e+12 1.521741e+12 2.408333 1017.833333
2 1521682200000 1.521696e+12 1.521741e+12 2.3266667 1017.666667
3 1521682500000 1.521696e+12 1.521741e+12 2.245000 1017.500000
4 1521682800000 1.521696e+12 1.521741e+12 2.1633333 1017.333333
5 1521683100000 1.521696e+12 1.521741e+12 2.081667 1017.166667
weathermeasures.info（）
范围索引：7188个条目，0到7187
数据列（共6列）：
时间戳7188非空int64
日出7176非空浮点64
日落7176非空浮点64
温度7176非零浮动64
压力7176非零浮动64
湿度7176非零浮动64
数据类型：float64（5）、int64（1）

为什么

pd.concat

更改了值的数据类型

DataSun

？我尝试了不同的方法来连接数据帧。例如，我在一个数据帧中只连接了

时间戳

和

数据帧

，然后将结果数据帧连接到

数据帧

。但结果是一样的。 如何连接三个数据帧并保护数据类型

因此-

timestamp      7188 non-null int64
sunrise        7176 non-null float64
...

timestamp

具有7188个非空值，而

sunrise

及以后的版本具有7176个非空值。不用说，有12个值不是空的。。。意思是他们是南斯

由于nan是

dtype=float

，因此该列中的每一个其他值都会自动向上转换为float，并且大的浮点数通常用科学记数法表示

这就是原因，但这并不能真正解决你的问题。你现在的选择是

使用

dropna

使用

fillna

（现在您可以将这些行向下转换为int。）

或者，如果使用

join='internal'

执行

pd.concat

，则不会引入NAN，并且会保留数据类型

pd.concat((timestamp, dataSun, dataData), axis=1, join='inner')

       timestamp        sunrise         sunset  temperature     pressure  \    
0  1521681600000  1521696105000  1521740761000     2.490000  1018.000000   
1  1521681900000  1521696105000  1521740761000     2.408333  1017.833333   
2  1521682200000  1521696105000  1521740761000     2.326667  1017.666667   
3  1521682500000  1521696105000  1521740761000     2.245000  1017.500000   
4  1521682800000  1521696105000  1521740761000     2.163333  1017.333333   

   humidity  
0      99.0  
1      99.0  
2      99.0  
3      99.0  
4      99.0 

---

使用选项3，对每个数据帧的索引执行内部联接。

从pandas 1.0.0开始，我相信您还有另一个选项，即首先使用。这将数据帧列转换为支持pd.NA的数据类型，从而避免了在回答中讨论的NAN问题。

您完全正确。我没有仔细检查代码。我已经纠正了它，它工作的权利。谢谢！

timestamp      7188 non-null int64
sunrise        7176 non-null float64
...

pd.concat((timestamp, dataSun, dataData), axis=1, join='inner')

       timestamp        sunrise         sunset  temperature     pressure  \    
0  1521681600000  1521696105000  1521740761000     2.490000  1018.000000   
1  1521681900000  1521696105000  1521740761000     2.408333  1017.833333   
2  1521682200000  1521696105000  1521740761000     2.326667  1017.666667   
3  1521682500000  1521696105000  1521740761000     2.245000  1017.500000   
4  1521682800000  1521696105000  1521740761000     2.163333  1017.333333   

   humidity  
0      99.0  
1      99.0  
2      99.0  
3      99.0  
4      99.0