Python 在附加两个数据帧时，布尔值将变为浮点数

当其中一个数据帧的列具有所有空值（NaN），而另一个数据帧的同一列具有布尔值时，追加两个数据帧会出现意外行为。 结果（通过追加）数据帧中的对应列被类型化为float64，布尔值根据其原始布尔值转换为1和0。 例如：

df1 = pd.DataFrame(data = [[1, 2 ,True], [10, 20, True]], columns=['a', 'b', 'c'])   
df1
    a   b     c
0   1   2  True
1  10  20  False 

df2 = pd.DataFrame(data = [[1,2], [10,20]], columns=['a', 'b'])  
df2['c'] = np.nan
df2
    a   b   c
0   1   2 NaN
1  10  20 NaN

附加：

df1.append(df2)
    a   b    c
0   1   2  1.0
1  10  20  0.0
0   1   2  NaN
1  10  20  NaN

我的解决方法是将列的类型重置为bool，但这会将NaN值转换为booleans：

appended_df = df1.append(df2)
appended_df
    a   b    c
0   1   2  1.0
1  10  20  0.0
0   1   2  NaN
1  10  20  NaN

appended_df['c'] = appended_df.c.astype(bool)
appended_df
    a   b      c
0   1   2   True
1  10  20  False
0   1   2   True
1  10  20   True

---

不幸的是，没有提到这个问题，您知道熊猫为什么会有这种行为吗？

数据框列中不允许混合类型的元素，请参阅此讨论

np.nan的类型是float，因此所有布尔值在追加时都转换为float。为了避免这种情况，可以使用.astype（）将“c”列的类型更改为“object”：

然后append命令会得到所需的结果。但是，正如上面提到的讨论中所述，不建议在同一列中使用多种类型。如果不使用np.nan，而是使用None，即NoneType对象，则无需亲自查看类型定义。有关NaN（不是数字）和None类型之间的差异，请参见

---

您应该考虑“c”列真正代表什么，并相应地选择数据类型

如果您使用的是Pandas 1.0.0及更高版本，则需要使用convert_dtypes。有关说明和使用，请参阅链接

解决方案代码：

df1 = df1.convert_dtypes()
df1.append(df2)

print(df1)

---

这是因为您在append语句中明确声明了

.astype（bool）

，所以它将所有1和0设置为T/F值。不，实际上我使用

.astype（bool）

只是为了解决问题，这与问题无关。

df1 = df1.convert_dtypes()
df1.append(df2)

print(df1)