Python dataframe replace防止在提供int64值时替换不正确的int32字段

问题：如何替换数据帧中所有特定的int64值，但避免错误地替换不相等的int32值

当提供较大的int64值时，Dataframe错误地替换int32值。 下面我创建了一个最小值示例，在这个示例中，我希望将所有字段的值都替换为-1。假设所有数据均为零，则不应更新任何内容。 但是，列“a”在替换后变为-1

import pandas
import numpy
dtype = [('a','int32'), ('b','int64'), ('c','float32')]
index = ['x', 'y']
columns = ['a','b','c']
values = numpy.zeros(2, dtype=dtype)
df2 = pandas.DataFrame(values, index=index)
df2.replace(-9223372036854775808, -1)

输出为：

     a  b     c
x   -1  0   0.0
y   -1  0   0.0

编辑：

看起来numpy会向下转换类型，但问题仍然是如何在数据帧转换中避免它？ 注：-9223372036854775808为十六进制80000000000000

x = numpy.array(-9223372036854775808, dtype='int64')
print('as int32: ', x.astype(numpy.int32))
#produces
#('as int32: ', array(0, dtype=int32))

---

您正确地观察到问题是由类型变窄引起的。为什么不只替换具有匹配或至少足够宽的数据类型的列

df2[['b','c']].replace(-9223372036854775808, -1, inplace=True)

---

我相信这个例子更简单：

ds=pandas.Series（[0,0,0]，dtype='int32'）；ds.replace（-9223372036854775808，-1）

在现实生活中，我有一个包含大量随机列的大数据帧，我希望避免在单个列上迭代，因此不需要迭代。获取所有感兴趣列的列表：

int64cols=df2.columns[df2.dtypes=='int64']

，然后仅更新它们：

df2[int64cols]。替换（-9223372036854775808，-1，inplace=True）

。或者，将所有int32列升级为int64。这不会有什么坏处，只是框架需要更多的空间。第二个建议是获取所有“键入”列的列表，这对我来说很有用，只是做了一点小小的调整。我接受答案。