熊猫单行索引没有强制转换

Question

索引包含对象（字符串）的 Pandas DataFrame 的单行会返回一个类型为 object 的 Series。

df1 = pd.DataFrame({'a': np.arange(3), 'b': np.arange(0.5,3),'c': list('def')})

df1
   a    b  c
0  0  0.5  d
1  1  1.5  e
2  2  2.5  f

df1.loc[0]
a      0
b    0.5
c      d
Name: 0, dtype: object

对不包含对象（字符串）的 Pandas DataFrame 的单行进行索引会返回一个转换其值的 Series。列 a 在 DataFrame 中属于 int64 类型。结果系列包含a 列的值作为float64。

df2 = pd.DataFrame({'a': np.arange(3), 'b': np.arange(0.5,3)})

df2
  a    b
0  0  0.5
1  1  1.5
2  2  2.5

df2.loc[0]

a    0.0
b    0.5
Name: 0, dtype: float64

这种行为似乎不一致，是吗？ 如何在不将整数转换为浮点数的情况下选择第二个 DataFrame df2 的单行？

Answer 1

根据@Michael 在 cmets 中发布的 stackoverflow 链接，一种解决方案：

desired_index = 3

df.astype('O').iloc[desired_index]

我的数据框很大，将整个数据框转换为对象需要一段时间。这是一个更快但更复杂的解决方案。

df.iloc[[desired_index]].astype('O').iloc[0]

Answer 2

当Series中有多个type时，pandas会使用object来处理，如果是float和int，就会把int改成float

df1.loc[0].map(type)
Out[6]: 
a      <class 'numpy.int32'>
b    <class 'numpy.float64'>
c              <class 'str'>
Name: 0, dtype: object