DataFrame糖尿病患者年龄统计格式修正求助：索引与名称不符

我需要统计数据框中糖尿病患者的最高发年龄，期望输出的索引为整数类型，名称为“age”，格式如下：

age
25    14
31    13
41    13
29    13
43    11
22    11
28    10
33    10
38    10
36    10
Name: age, dtype: int64

但执行代码(data_clean['age'].where(data_clean['class'] == 'Diabetes')).value_counts().head(10)后，得到的结果索引为float类型，名称为“count”，格式如下：

age
25.0    14
31.0    13
41.0    13
29.0    13
43.0    11
22.0    11
28.0    10
33.0    10
38.0    10
36.0    10
Name: count, dtype: int64

请问如何将结果索引改为整数类型，名称改为“age”？

方法1：链式调用一步实现 #

直接筛选糖尿病患者的年龄列后统计，从根源避免类型问题，同时调整索引和名称：

(
    data_clean[data_clean['class'] == 'Diabetes']['age']
    .value_counts()
    .head(10)
    .rename_axis('age')
    .rename('age')
)

说明：直接筛选符合条件的行，得到的年龄列是整数类型，后续统计的索引天然为整数；rename_axis设置索引名称，rename修改Series的名称，最终输出完全匹配需求。

方法2：基于原结果分步调整 #

如果想保留原代码的筛选逻辑，可对结果做后处理：

# 执行原代码获取初始结果
result = (data_clean['age'].where(data_clean['class'] == 'Diabetes')).value_counts().head(10)
# 将索引转换为整数类型
result.index = result.index.astype(int)
# 修改Series的名称为"age"
result.name = 'age'

问题根源 #

原代码使用where时，会为不符合条件的行填充NaN，而NaN只能存储在float类型的Series中，导致后续统计的索引变为float。直接筛选糖尿病患者的行再取年龄列，就能得到整数类型的Series，从源头解决类型问题。

内容的提问来源于stack exchange，提问作者lokalhangatt