我遇到的问题是向数据帧添加一行会更改列的dtype:
>>> from pandas import DataFrame
>>> df = DataFrame({'a' : range(10)}, dtype='i4')
>>> df
a
0 0
1 1
2 2
3 3
4 4
5 5
6 6
7 7
8 8
9 9
[10 rows x 1 columns]
我特别指定 dtype 为 int32(即 'i4'),可以看出:
>>> df.dtypes
a int32
dtype: object
但是,添加行会将 dtype 更改为 float64:
>>> df.loc[10] = 99
>>> df
a
0 0
1 1
2 2
3 3
4 4
5 5
6 6
7 7
8 8
9 9
10 99
[11 rows x 1 columns]
>>> df.dtypes
a float64
dtype: object
我尝试指定我添加的值的 dtype:
>>> import numpy as np
>>> df = DataFrame({'a' : np.arange(10, dtype=np.int32)})
>>> df.dtypes
a int32
dtype: object
>>> df.loc[10] = np.int32(0)
>>> df.dtypes
a float64
dtype: object
但这也行不通。有没有任何解决方案,不使用返回新对象的函数?
放大分两个阶段完成,首先在该列中放置一个nan
,然后分配它,所以这就是它被强制的原因。我会把它放在错误/增强列表中。它有点不平凡。
下面是使用追加的解决方法。
In [14]: df.append(Series(99,[10],dtype='i4').to_frame('a'))
Out[14]:
a
0 0
1 1
2 2
3 3
4 4
5 5
6 6
7 7
8 8
9 9
10 99
[11 rows x 1 columns]
In [15]: df.append(Series(99,[10],dtype='i4').to_frame('a')).dtypes
Out[15]:
a int32
dtype: object
错误/增强功能自动执行此操作的问题:https://github.com/pydata/pandas/issues/6485
由于现在首选concat
,这是另一种解决方案:
df = pd.concat([df, DataFrame({'a':99}, [10], dtype='i4')])
df.dtypes
Out[12]:
a int32
dtype: object
append()
在 pandas 1.4.0 中已弃用:
未来警告:frame.append 方法已弃用,将在未来的版本中从熊猫中删除。改用 pandas.concat
。