python - 替换 pandas 数据框行会覆盖所有列的 dtypes

Question

当我替换 df 的一行时，它会导致 dtype=int 的现有列变为 float 。我想将其保留为 int。

我创建 df:

testdate = pd.datetime(2014, 1, 1)
adddata = {'intcol':0,'floatcol':0.0}
df = pd.DataFrame(data=adddata, index=pd.date_range(testdate, periods=1))

根据需要，一列是 int，另一列是 float，正如 df.dtypes 所确认的:

floatcol    float64
intcol        int64
dtype: object

然后，我使用 df.ix[testdate] = pd.Series(adddata) 覆盖现有行(在本例中只有 1 行)。我故意使用相同的数据来显示问题:intcol 已变为 float 。 df.dtypes:

floatcol    float64
intcol      float64
dtype: object

请注意，我可以单独更改单元格(例如 df.ix[testdate,'floatcol'] = 0.0)并且保留列 dtypes，但实际上我有远远超过 2 列我想同时覆盖，所以一次只覆盖一个很麻烦。

Answer 1

有趣的是，即使将数据类型指定为 object 也没有帮助:

>>> df.loc[testdate,:] = pd.Series(adddata, dtype='object')
>>> df.dtypes
floatcol    float64
intcol      float64
dtype: object

有人可能有更好的解决方案，但我注意到这有效:

>>> df.loc[testdate,:] = pd.Series(list(adddata.values()), adddata.keys(), dtype='object')
>>> df.dtypes
floatcol    float64
intcol        int64
dtype: object

但是，如果行值采用 dict 格式，可能会更容易:

>>> df.loc[testdate,:] = list(map(adddata.get, df.columns))
>>> df.dtypes
floatcol    float64
intcol        int64
dtype: object