Python 无强制转换的单行索引

对包含对象（字符串）的数据帧的单行进行索引将返回类型为object的序列

df1 = pd.DataFrame({'a': np.arange(3), 'b': np.arange(0.5,3),'c': list('def')})

df1
   a    b  c
0  0  0.5  d
1  1  1.5  e
2  2  2.5  f

df1.loc[0]
a      0
b    0.5
c      d
Name: 0, dtype: object

索引不包含对象（字符串）的数据帧的单行将返回一个系列，该系列将强制转换其值。列

a

在数据帧中的类型为

int64

。结果序列包含列

a

的值作为

float64

df2 = pd.DataFrame({'a': np.arange(3), 'b': np.arange(0.5,3)})

df2
  a    b
0  0  0.5
1  1  1.5
2  2  2.5

df2.loc[0]

a    0.0
b    0.5
Name: 0, dtype: float64

这种行为似乎并不一致，是吗？

---

如何选择第二个数据帧的一行

df2

，而不将我的int转换为float？

当

系列中有多个
类型
时，pandas将使用
对象
来处理它，如果它是float和int，它会将int更改为float

df1.loc[0].map(type)
Out[6]: 
a      <class 'numpy.int32'>
b    <class 'numpy.float64'>
c              <class 'str'>
Name: 0, dtype: object

df1.loc[0].映射（类型）
出[6]：
A.
B
C
名称：0，数据类型：对象
根据@Michael在评论中发布的stackoverflow链接，这是一个解决方案：

desired_index = 3

df.astype('O').iloc[desired_index]

我的数据帧很大，将整个数据帧转换为对象需要一段时间。这里有一个更快但更简单的解决方案

df.iloc[[desired_index]].astype('O').iloc[0]

请参阅此处的相关问题：问题是，df2也有不同的类型（int64和float64）。结果系列将我的int64强制转换为float64。@将checkThisOut字符串更改为float不能覆盖它，因此它将转换为object。类型升级到对象