在pandas数据框中使用逐行应用时，如何保留数据类型？

在pandas数据框中使用逐行应用时，如何保留数据类型？

您的整数越来越 upcasted
成浮动。如果可能，Pandas（和NumPy）将尝试将Series（或ndarray）制成单个数据类型。据我所知，没有详细记录向上转换的规则，但是您可以使用看到如何向上转换不同的类型

numpy.find_common_type

。

您可以通过在调用apply之前将Dataframe强制转换为“ Object”类型来欺骗Pandas和NumPy保持原始数据类型，如下所示：

df['string_col'] = df[['int_col', 'float_col']].astype('O').apply(func, axis=1)

---

让我们分解一下这里发生的事情。首先，我们做完后df会发生什么

.astype('O')

？

as_object = df[['int_col', 'float_col']].astype('O')print(as_object.dtypes)

给出：

int_col      objectfloat_col    objectdtype: object

好的，现在两列都具有相同的dtype，即object。我们从之前知道

apply()

（或者从Dataframe中提取一行的任何其他东西）都将尝试将两列转换为相同的dtype，但是它将看到它们已经相同，因此无需执行任何 *** 作。

但是，我们仍然能够获得原始的整数和浮点数，因为它的

dtype('O')

行为就像某种可以容纳任何python对象的容器类型。通常，当Series包含非混合类型（例如字符串和整数）或NumPy无法理解的任何python对象时，可以使用它。