为何df.dtypes.isin传入字符串列表无法得到预期结果？

问题场景 #

要校验DataFrame所有列的数据类型是否属于指定的类型子集（比如仅允许int64和float64），最初尝试用字符串类型名传入isin方法，但结果完全不稳定，每次运行输出都不一样。

错误代码与异常现象 #

使用以下代码测试：

import pandas as pd
df = pd.DataFrame({'A': [1., 2., 3.], 'B': [100, 101, 102], 'C': ['a', 'b', 'c']})
assert df.dtypes.A == 'float64'
assert df.dtypes.B == 'int64'
assert df.dtypes.C == 'object'
print(df.dtypes.isin(['int64', 'float64']))

多次运行脚本的输出结果完全不一致：

(base) Mac-mini-2:stackoverflow username$ python pandas_dtypes_isin.py
A    False
B    False
C    False
dtype: bool
(base) Mac-mini-2:stackoverflow username$ python pandas_dtypes_isin.py
A     True
B    False
C    False
dtype: bool
(base) Mac-mini-2:stackoverflow username$ python pandas_dtypes_isin.py
A     True
B     True
C    False
dtype: bool

原因分析 #

df.dtypes返回的是一个元素为numpy.dtype对象的Series，直接传入字符串类型名（如'int64'）到isin方法中，本质是在做对象类型的匹配比较。字符串和dtype对象属于不同类型，这种跨类型匹配在pandas的某些版本中会出现不稳定的隐式转换，导致结果随机变化。

正确解法 #

需要传入numpy.dtype类型的对象到isin中，才能稳定匹配：

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [1., 2., 3.], 'B': [100, 101, 102], 'C': ['a', 'b', 'c']})
print(df.dtypes.isin([np.dtype('float64'), np.dtype('int64')]))

运行后会得到稳定的正确结果：

A     True
B     True
C    False
dtype: bool

注：已知select_dtypes或is_numeric_dtype等方法可实现类似筛选，但本次需求仅针对isin方法的正确使用场景。

内容的提问来源于stack exchange，提问作者Bill