Python 停止将int转换为float

我有一个

数据帧

。以下是两个相关列：一个是

int

列，另一个是

str

列

我知道如果我在

int

列中插入

NaN

，Pandas会将所有

int

转换为

float

，因为

int

没有

NaN

值

但是，当我在

str

列中插入

None

时，Pandas也会将我的

int

转换为

float

。这对我来说没有意义-为什么我在第2列中输入的值会影响第1列

下面是一个简单的工作示例（Python 2）：

输出是

   int   str
0    0  zero

   int   str
0  0.0  zero
1  1.0   NaN

有没有办法使输出符合以下要求：

   int   str
0    0  zero

   int   str
0    0  zero
1    1   NaN

无需将第一列重新编译为

int

• 我更喜欢使用

  int

  而不是

  float

  ，因为实际数据 该列是整数。如果没有解决办法，我就 尽管如此，还是使用

  float

• 我更喜欢不必重铸，因为在我的实际代码中，我不必重铸
  存储实际的

  dtype

• 我还需要逐行插入数据

---

如果设置

dtype=object

，则序列将能够包含任意数据类型：

df["int"] = pd.Series([], dtype=object)
df["str"] = pd.Series([], dtype=str)
df.loc[0] = [0, "zero"]
print(df)
print()
df.loc[1] = [1, None]
print(df)

   int   str
0    0  zero
1  NaN   NaN

  int   str
0   0  zero
1   1  None

---

如果使用

DataFrame.append

添加数据，则数据类型将被保留，并且不必重新编码或依赖

对象

：

In [157]: df
Out[157]:
   int   str
0    0  zero

In [159]: df.append(pd.DataFrame([[1, None]], columns=['int', 'str']), ignore_index=True)
Out[159]:
   int   str
0    0  zero
1    1  None

---

从pandas 1.0.0开始，我相信您还有另一个选择，即首先使用。这将数据帧列转换为支持pd.NA的数据类型，从而避免了NaN/None的问题

...

df = df.convert_dtypes()
df.loc[1] = [1, None]
print(df)

#   int   str
# 0   0  zero
# 1   1  NaN

---

你无法想象这本书是如何帮助我的，在一个有200列的csv中阅读。。。事实上，我用一个精心制作的dict来测试数据类型，结果只是一次又一次地开始。谢谢。这不仅适用于任何列值

None

的情况，也适用于

float

的情况。不正确：

df=pd.DataFrame（列=[“a1”]）；df.append（pd.DataFrame（[[1200]]，columns=['a1'，'a2']），ignore_index=True）

打印

01200.0

，其中200.0显然是一个浮点。当然，但是如果您指定

a2

在创建时具有dtype

float

（在OP中就是这种情况），

append

仍然按预期工作。

...

df = df.convert_dtypes()
df.loc[1] = [1, None]
print(df)

#   int   str
# 0   0  zero
# 1   1  NaN