如何在Pandas 2.2.0中正确实例化支持任意dtype的空Series？

Pandas 2.2.0起会抛出Setting an item of incompatible dtype is deprecated的FutureWarning，这个机制原本是为了规避类型转换隐患，但在初始化空Series后填充数据（比如批量复制记录或逐个赋值）时反而引发了问题。例如以下代码会触发警告，未来版本还会直接报错：

my_index = pd.Index([1, 2, 3])
ds = pd.Series(None, index=my_index)
ds.iloc[0] = "a"

对应的警告信息：

FutureWarning: Setting an item of incompatible dtype is deprecated and will raise an error in a future version of pandas. Value 'a' has dtype incompatible with float64, please explicitly cast to a compatible dtype first.

为什么pd.Series(None)会推断为float类型？ #

在Pandas中，单独的None会被识别为缺失值，而默认情况下，数值类型的缺失值只能用float64存储（int类型无法容纳缺失值），所以初始化时Series的dtype会被自动设置为float64。后续赋值不同类型（比如字符串）时，就会触发类型不兼容的警告。

正确创建可灵活赋值的Series的方案 #

1. 初始化时指定dtype=object

如果需要后续存储任意类型的数据，初始化时显式指定dtype=object即可，这样Series可以兼容多种数据类型，且不会触发警告：

my_index = pd.Index([1, 2, 3])
ds = pd.Series(None, index=my_index, dtype=object)
ds.iloc[0] = "a"  # 无警告
ds.iloc[1] = 123  # 可正常赋值整数
ds.iloc[2] = 3.14 # 可正常赋值浮点数

2. 创建空Series后再填充

如果不确定后续数据类型，可以先创建不带初始值的空Series，Pandas会默认将其dtype设为object，后续赋值时会根据第一个元素自动适配（若后续统一类型，也会自动调整dtype）：

my_index = pd.Index([1, 2, 3])
ds = pd.Series(index=my_index)  # 空Series，默认dtype为object
ds.iloc[0] = "a"  # 无警告，后续可赋值同类型数据

3. 先转换dtype再赋值

如果已经创建了默认dtype的Series，可以先通过astype()转换为object类型，再进行赋值：

my_index = pd.Index([1, 2, 3])
ds = pd.Series(None, index=my_index)
ds = ds.astype(object)  # 转换为object类型
ds.iloc[0] = "a"  # 无警告

注意事项 #

使用object dtype的Series在性能上略逊于原生数值类型，但这是存储混合类型或不确定类型场景下最灵活的选择。如果后续确认所有元素为同一类型，也可以在填充完成后再转换为对应dtype，比如ds = ds.astype(str)统一为字符串类型。

内容的提问来源于stack exchange，提问作者KingOtto