Python 从数据帧提取行时保留数据类型

从

熊猫

数据帧

中提取单个行（例如，使用

.loc

或

.iloc

）将生成一个

熊猫

系列

。但是，当处理

数据框

中的异构数据时（即

数据框

的列不都是相同的数据类型），这会导致行中不同列的所有值强制为单个数据类型，因为

系列

只能有一个数据类型。下面是一个简单的例子来说明我的意思：

import numpy
import pandas

a = numpy.arange(5, dtype='i8')
b = numpy.arange(5, dtype='u8')**2
c = numpy.arange(5, dtype='f8')**3
df = pandas.DataFrame({'a': a, 'b': b, 'c': c})
df.dtypes
# a      int64
# b     uint64
# c    float64
# dtype: object
df
#    a   b     c
# 0  0   0   0.0
# 1  1   1   1.0
# 2  2   4   8.0
# 3  3   9  27.0
# 4  4  16  64.0
df.loc[2]
# a    2.0
# b    4.0
# c    8.0
# Name: 2, dtype: float64

df.loc[2]

中的所有值都已转换为

float64

---

有没有一种不进行这种类型转换就提取行的好方法？我可以想象，例如返回一个，但我看不到创建这样一个数组的简单方法。

正如您已经意识到的，series不允许混合

数据类型。但是，如果将其数据类型指定为
对象
，则它允许混合数据类型。因此，您可以将数据帧的数据类型转换为
对象
。每一列都将在数据类型
对象中
，但每一个值仍保持其数据类型为
int
和
float

df1 = df.astype('O')

Out[10]:
   a   b   c
0  0   0   0
1  1   1   1
2  2   4   8
3  3   9  27
4  4  16  64

In [12]: df1.loc[2].map(type)
Out[12]:
a      <class 'int'>
b      <class 'int'>
c    <class 'float'>
Name: 2, dtype: object

另一种方法（但感觉有点粗糙）：

您可以使用长度为1的切片器，而不是使用带有
loc
或
iloc
的整数。这将返回长度为1的数据帧，因此
iloc[0]
包含您的数据。e、 g

In[1] : row2 = df[2:2+1]
In[2] : type(row)
Out[2]: pandas.core.frame.DataFrame
In[3] : row2.dtypes
Out[3]: 
a      int64
b     uint64
c    float64
In[4] : a2 = row2.a.iloc[0]
In[5] : type(a2)
Out[5]: numpy.int64
In[6] : c2 = row2.c.iloc[0]
In[7] : type(c2)
Out[7]: numpy.float64


对我来说，这比两次转换数据类型（一次在行提取期间，一次之后）更为可取，并且比多次使用相同的行规范引用原始数据帧更为清晰（这在计算上可能非常昂贵）

我认为如果pandas有一个用于此操作的DataFrameRow类型会更好。
谢谢，但这两种类型都涉及复制/修改整个
数据框，对吗？仅仅获得一行就太过分了。是的，这是pandas在处理行时的限制。我也尝试过这样做，但这意味着你必须使用
.iloc[0]
单独提取每个值，也就是说，你失去了直接迭代行的能力。但似乎没有比这更好的内置方法了。我想我只需要编写自己的函数来构建相应的结构化数组。是的，这无助于对行进行迭代。我的目标是使用点符号从一行中访问各种值，因此这比
.iat
更清晰，即使使用
.iloc[0]
将事情弄得一团糟。
In[1] : row2 = df[2:2+1]
In[2] : type(row)
Out[2]: pandas.core.frame.DataFrame
In[3] : row2.dtypes
Out[3]: 
a      int64
b     uint64
c    float64
In[4] : a2 = row2.a.iloc[0]
In[5] : type(a2)
Out[5]: numpy.int64
In[6] : c2 = row2.c.iloc[0]
In[7] : type(c2)
Out[7]: numpy.float64