向pandas DataFrame添加行会更改dtype

Question

我的问题是，将一行添加到DataFrame会更改列的dtype：

>>> from pandas import DataFrame
>>> df = DataFrame({'a' : range(10)}, dtype='i4')
>>> df
   a
0  0
1  1
2  2
3  3
4  4
5  5
6  6
7  7
8  8
9  9

[10 rows x 1 columns]

我将dtype特别指定为int32（即’i4’），可以看出：

>>> df.dtypes
a    int32
dtype: object

但是，添加一行会将dtype更改为float64：

>>> df.loc[10] = 99

>>> df
     a
0    0
1    1
2    2
3    3
4    4
5    5
6    6
7    7
8    8
9    9
10  99

[11 rows x 1 columns]

>>> df.dtypes
a    float64
dtype: object

我尝试指定添加的值的dtype：

>>> import numpy as np
>>> df = DataFrame({'a' : np.arange(10, dtype=np.int32)})

>>> df.dtypes
a    int32
dtype: object

>>> df.loc[10] = np.int32(0)

>>> df.dtypes
a    float64
dtype: object

但这也不起作用。有没有不使用返回新对象的函数的解决方案？

Answer 1

放大分为两个阶段，nan首先将a放在该列中，然后将其分配，这就是为什么要强制它的原因。我将其放在错误/增强列表中。它有点不平凡。

这是一种解决方法，可以使用append。

In [14]: df.append(Series(99,[10],dtype='i4').to_frame('a'))
Out[14]: 
     a
0    0
1    1
2    2
3    3
4    4
5    5
6    6
7    7
8    8
9    9
10  99

[11 rows x 1 columns]

In [15]: df.append(Series(99,[10],dtype='i4').to_frame('a')).dtypes
Out[15]: 
a    int32
dtype: object

bug /增强功能可以自动执行此操作的问题：https :
//github.com/pydata/pandas/issues/6485