Python 使用reduce选项在空数据帧上调用apply会更改数据类型

我知道即使对于空数据帧，也会调用apply方法。当apply方法内部出现错误时，它不会被传播。我正在查看这个stackoverflow链接，它建议使用

reduce

选项，以便不调用apply函数。

考虑这个例子，在Col1中，所有值都小于10。因此，数据帧是空的。当我使用reduce选项时，col2的数据类型被更改。它将数字转换为小数

    d = {'col1': [1, 2], 'col2': [3, 4]}
    df = pd.DataFrame(data=d)
    mask = df["col1"] > 10
    df.loc[mask, "col2"] = df[mask].apply(lambda x: x+2, axis=1, result_type='reduce')
    print(df)

预期产量

      col1    col2
   0    1       3
   1    2       4

实际产量：

      col1    col2
   0    1      3.0
   1    2      4.0

---

我不知道为什么它会把整数转换成小数。有人知道如何避免这种情况吗？

您可以使用

pd.to\u numeric（）

向下转换为整数

如果我找到更好的方法，我会更新这个

---

若要避免浮点转换，请使用

df[mask].apply（lambda x:x+2，axis=1，result\u type='reduce'）.astype（int）

若要了解发生浮点的原因，请执行

axis=0

，您将看到具有type

float64

的

NaN

的介绍。以类似的方式，当您执行

axis=1

时，输出中没有行，但类型已转换为

float64

简单地

df.loc[mask，“col2”]=df[mask].apply（lambda x:x+2，axis=1，result\u type='reduce'）。astype（int）

应执行此任务感谢@meW提供详细解释。

>>> import pandas as pd
>>> d = {'col1': [1, 2], 'col2': [3, 4]}
>>> df = pd.DataFrame(data=d)
>>> mask = df["col1"] > 10
>>> df.loc[mask, "col2"] = df[mask].apply(lambda x: x+2, axis=1, result_type='reduce')
>>>
>>> df
   col1  col2
0     1   3.0
1     2   4.0
>>>
>>> pd.to_numeric(df.col2, downcast='integer')
0    3
1    4
Name: col2, dtype: int8
>>>
>>> df.col2 = pd.to_numeric(df.col2, downcast='integer')
>>> df
   col1  col2
0     1     3
1     2     4
>>>