如何控制Pandas中apply行处理的输出数据类型？

核心结论 #

在Pandas 1.5.2版本中，无法直接在apply调用时指定多返回值的输出数据类型，但可以通过调整返回值形式或换用更高效的替代方案，避免繁琐的NaN转None操作，同时精准控制列类型。

为什么会出现类型自动转换？ #

当使用apply(..., result_type='expand')时，Pandas会将每行的返回值（元组/列表）自动整合成DataFrame，并根据列内元素的共性推断dtype：

• 像bar函数返回(int, None)时，None会被Pandas转为NaN，而int与NaN共存的列会被强制升级为float64（因为int类型无法存储NaN）。
• 像foo函数返回(int, None, bool)时，由于各返回值类型差异过大，无法统一为单一dtype，Pandas会分别推断每列的类型（int64、object、bool），因此dummy列能保留object类型存储None。

可行的解决方案 #

1. 返回指定dtype的Series替代元组

修改函数返回值为带明确类型的Series，让Pandas直接沿用Series的类型定义，避免自动转换：

import pandas as pd

def bar(x):
    # 用字典构造Series，指定每个字段的类型
    return pd.Series(
        {'product': x['a'] * x['b'], 'dummy': None},
        dtype={'product': 'int64', 'dummy': 'object'}
    )

df2 = pd.DataFrame([{'a': 10, 'b': 2}, {'a': 10, 'b': 20}])
# 无需指定result_type='expand'，直接赋值即可
df2[['product', 'dummy']] = df2.apply(bar, axis=1)

此时product列保持int64，dummy列保持object且存储None，不会被转为NaN。

2. 用列表推导式替代apply，构造DataFrame时指定dtype

apply按行处理效率较低，改用列表推导式生成结果后，直接构造带指定dtype的DataFrame：

df2 = pd.DataFrame([{'a': 10, 'b': 2}, {'a': 10, 'b': 20}])
# 生成所有行的结果
results = [bar(x) for _, x in df2.iterrows()]
# 构造DataFrame时指定列类型，同时保留None
result_df = pd.DataFrame(results, columns=['product', 'dummy'], dtype={'product': 'int64', 'dummy': 'object'})
df2[['product', 'dummy']] = result_df

这种方式不仅能精准控制类型，还能提升处理速度（尤其当DataFrame行数较多时）。

3. 事后转换类型并批量替换NaN为None（备选方案）

如果必须使用原函数返回元组的形式，可以在赋值后统一处理类型和NaN：

import numpy as np

df2[['product', 'dummy']] = df2.apply(bar, axis=1, result_type='expand')
# 转换product为int，dummy为object并替换NaN为None
df2['product'] = df2['product'].astype('int64')
df2['dummy'] = df2['dummy'].astype('object').replace({pd.NA: None, np.nan: None})

这种方式相对繁琐，但适合快速调整已有代码的场景。

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