Python 过滤器将数据类型重置为默认值的位置？

我有一个列数据类型显式设置为“int32”的dataframe。当我使用括号操作符进行过滤时，数据类型不会改变

scripts[scripts['Security Id'] == 'ABB']['Security Code'].head()

0 500002名称：安全代码，数据类型：int32

但是，当我使用where筛选时，数据类型会重置回默认值，即float64

(scripts.where(scripts['Security Id'] == 'ABB')
       .dropna())['Security Code'].head()

数据类型更改回“float64”

0 500002.0名称：安全代码，数据类型：float64

---

所以我只是想知道为什么会出现这种情况，特别是因为操作符链接是熊猫的惯用方式。

第二种情况下

dtype

的变化是

numpy

没有

NaN

的整数表示的结果。因此，如果数值列中有

NaN

，则

dtype

将转换为

float

在第一种情况下：

scripts[scripts['Security Id'] == 'ABB']['Security Code'].head()

您只是根据条件返回

脚本的子集。由于底层的
DataFrame
是type
int32
，因此子集将具有相同的
dtype

但是，在第二种情况下，
DataFrame.where
返回一个对象，它在其中传递条件为
True
的行中的值，但在其他情况下用
np.NaN
替换该值。因此，您正在修改
DataFrame
并引入
NaN
值，这将强制
pandas
将列强制转换为
float64

例如：

import pandas as pd
scripts = pd.DataFrame({'Security Id': ['ABB', 'ABB', 'ABC', 'ABB'],
                        'Security Code': [1, 2, 3, 4]})
scripts['Security Code'] = scripts['Security Code'].astype('int32')

scripts.where(scripts['Security Id'] == 'ABB')

   Security Code Security Id
0            1.0         ABB
1            2.0         ABB
2            NaN         NaN
3            4.0         ABB
Security Code    float64
Security Id       object
dtype: object