阻止Pandas由于在另一列中插入而将int转换为Float

Stop Pandas from converting int to float due to an insertion in another column(阻止Pandas由于在另一列中插入而将int转换为Float)

问题描述

我有一个包含两列的DataFrame：一列int和一列str。

• 我知道如果我将NaN插入int列，Pandas会将所有int转换为float，因为int没有NaN值。
• 但是，当我将None插入str列时，Pandas也会将我的所有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？

这里有一个简单的工作示例)：

import pandas as pd
df = pd.DataFrame()
df["int"] = pd.Series([], dtype=int)
df["str"] = pd.Series([], dtype=str)

df.loc[0] = [0, "zero"]
print(df)
print()

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

输出为：

   int   str
0    0  zero

   int   str
0  0.0  zero
1  1.0   NaN

有没有办法使输出如下：

   int   str
0    0  zero

   int   str
0    0  zero
1    1   NaN

而不将第一列重新转换为int。

• 我更喜欢使用int而不是float，因为 该列是整数。如果没有解决办法，我只能 不过，请使用float。

• 我更喜欢不必重新转换，因为在我的实际代码中，我不需要
  存储实际dtype。

• 我还需要逐行插入数据。

推荐答案

如果设置dtype=object，您的系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

这篇关于阻止Pandas由于在另一列中插入而将int转换为Float的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持编程学习网！