Python 使用melt后，分类数据类型发生变化

在回答时，我发现在熊猫数据帧上使用

melt

后，以前是有序分类数据类型的列将变成

对象。这是故意的行为吗

注意：不是寻找解决方案，只是想知道这种行为是否有任何原因，或者它是否不是预期的行为

示例：

使用以下数据帧
df
：

  Cat  L_1  L_2  L_3
0   A    1    2    3
1   B    4    5    6
2   C    7    8    9

df['Cat'] = pd.Categorical(df['Cat'], categories = ['C','A','B'], ordered=True)

# As you can see `Cat` is a category
>>> df.dtypes
Cat    category
L_1       int64
L_2       int64
L_3       int64
dtype: object

melted = df.melt('Cat')

>>> melted
  Cat variable  value
0   A      L_1      1
1   B      L_1      4
2   C      L_1      7
3   A      L_2      2
4   B      L_2      5
5   C      L_2      8
6   A      L_3      3
7   B      L_3      6
8   C      L_3      9

现在，如果我看一下猫，它变成了一个对象：

>>> melted.dtypes
Cat         object
variable    object
value        int64
dtype: object

这是故意的吗？
在代码中。0.22.0（我的旧版本）

它将返回带有
np.tile
的数据类型对象

它已在0.23.4中修复（在我更新我的
pandas
之后）

有关如何修复的详细信息：

for col in id_vars:
    id_data = frame.pop(col)
    if is_extension_type(id_data): # here will return True , then become concat not np.tile
        id_data = concat([id_data] * K, ignore_index=True)
    else:
        id_data = np.tile(id_data.values, K)
    mdata[col] = id_data

非常有趣。我无法想象这是故意的，你可能会考虑提交一个关于<代码>熊猫> <代码> Github.熊猫在重塑数据时做了一些奇怪的事情。我在感谢时发现了一些奇怪的行为！很高兴看到他们修好了！仅供参考，我是在使用
pandas
'0.21.1'时发现的
df.melt('Cat')
Out[6]: 
  Cat variable  value
0   A      L_1      1
1   B      L_1      4
2   C      L_1      7
3   A      L_2      2
4   B      L_2      5
5   C      L_2      8
6   A      L_3      3
7   B      L_3      6
8   C      L_3      9
df.melt('Cat').dtypes
Out[7]: 
Cat         category
variable      object
value          int64
dtype: object

for col in id_vars:
    id_data = frame.pop(col)
    if is_extension_type(id_data): # here will return True , then become concat not np.tile
        id_data = concat([id_data] * K, ignore_index=True)
    else:
        id_data = np.tile(id_data.values, K)
    mdata[col] = id_data