我有一个我认为很常见的用例，所以我认为我的这个问题应该很容易自己回答，但我找不到任何地方的答案。请考虑以下事项。
df = pandas.DataFrame({"id": numpy.random.choice(range(100), 5, replace=False),
"value": numpy.random.rand(5)})
df2 = pandas.DataFrame([df["id"], df["value"]*2]).T
基本上我正在创建一个DataFrame，df2，基于旧的DataFrame，df的值>。现在如果我们运行
print(df.dtypes, end="\n------\n")
print(df2.dtypes)
我们得到
id int64
value float64
dtype: object
------
id float64
value float64
dtype: object
可以看到df2第一列的dtype是float64，而不是int64它应该是，即使 Series 本身的 dtype 是 int64。这种行为让我很困惑，我不敢相信这是故意的。如何从一些 Series 创建 DataFrame 并保留 Series 的 dtype？在我看来，它应该像 pandas.DataFrame([s1, s2], dtypes=[int, float]) 一样简单，但您不能在 pandas 出于某种原因。
最佳答案
DataFrame 的
列 总是有一个数据类型。 (这是因为，在 引擎盖，Pandas 在 block 中存储具有相同 dtype 的列数据。)
当 pd.DataFrame 被传递一个 Series 列表时，它
将每个 Series 解包到单独的行中。由于 Series 具有不同的数据类型，因此列最终具有混合数据类型的值。 Pandas 试图通过将每列中的所有值升级为单个数据类型来解决此问题。
你可以定义df2:
df2 = pd.DataFrame({'id': df["id"], 'value': df["value"]*2})
或
df2 = df.copy()
df2['value'] *= 2
或
df2 = pd.concat([df["id"], df["value"]*2], axis=1)
关于 python Pandas 。使用 Series 创建 DataFrame 不会保留 dtype，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/35295741/