Python Pandas int64数据帧中浮点的成员身份测试产生意外结果

我有一个名为“impression_data”的熊猫数据框架，其中包括一个名为“site.id”的列，如下所示：

   >>> impression_data['site.id']

0      62
1     189
2     191
3      62
...

此列中的每个项都具有数据类型numpy.int64，如下所示：

>>> for i in impression_data['site.id']:
    print type(i)

<type 'numpy.int64'>
<type 'numpy.int64'>
<type 'numpy.int64'>
...

但这里有一个意想不到的结果：我的印象是，

np.int64

的列不应该包含任何十进制值。显然我错了。这是怎么回事

>>> 62.5 in impression_data['site.id']
True

---

编辑1： 通过构造，列中的所有值都应该是整数。为完整起见，我还执行了以下铸造操作，未遇到任何错误：

impression_data['site.id'] = impression_data['site.id'].astype('int')

根据@BremBam在评论中的建议，我尝试

impression_data['site.id'].map(type).unique()

产生

[<type 'numpy.int64'>]

[]

下面是一个简单的示例和我正在使用的真实数据文件

这里呢

---

首先，系列成员资格测试是索引，而不是值：

但你是对的：

>>> 1.5 in s
True

经过一些工作后，这似乎是因为

\uuuu包含
int64哈希表中的\uuuu
：

cdef class Int64HashTable: #(HashTable):
    [...]
    def __contains__(self, object key):
        cdef khiter_t k
        k = kh_get_int64(self.table, key)
        return k != self.table.n_buckets

键
以浮点形式输入，但我们有

inline khint_t kh_get_int64(kh_int64_t*, int64_t)

因此，我认为在进行比较之前，它被强制为一个整数。
这是。在安全壳测试完成之前，该值被转换为索引类型，因此
62.5
被转换为
62
。（请注意，序列的

中的

检查值是否在索引中，而不是值中。）

我相信你可以通过在impression_数据中执行
62.5来得到你想要的。值
你确定每个值都是整数吗？
impression\u data['site.id'].map（type）.unique（）提供了什么？你能提供示例代码和数据来说明这个问题吗？谢谢你的快速回复，@BrenBarn。我采纳了您的建议，尝试
impression\u data['site.id'].map（type）.unique（）
，并编辑了我的问题以反映这一点。下面是示例代码和数据。从历史上看，在
中对numpy数组使用
可能会产生奇怪的结果-我建议使用
np.any（df['site.id'].isin（[62.5]）
。感谢您指出我在索引@DSM中的错误。这可能会导致很多问题。impression_数据['site.id']中的
62.5。正如您所预测的，值
会产生
False
。一个简单的解决方案@avn2109请注意，在
中对numpy数组使用
并不总是产生所需的结果，尤其是当numpy数组具有多个一维时。“这件事要非常小心。@Ophion:你能说得更具体一点吗？”？在任何情况下，这里我们只使用1D数组（以系列的形式）。
cdef class Int64HashTable: #(HashTable):
    [...]
    def __contains__(self, object key):
        cdef khiter_t k
        k = kh_get_int64(self.table, key)
        return k != self.table.n_buckets

inline khint_t kh_get_int64(kh_int64_t*, int64_t)