为何Pandas合并object类型列失败（一列由int转object）

问题重现 #

执行以下代码后，Pandas合并返回空DataFrame，无法匹配预期的行：

import pandas as pd
data1 = {'c1': ['J', 'A', 'B'],
         'key': [25, 30, 35]}
df1 = pd.DataFrame(data1)

data2 = {'c2': ['A', 'B', 'C'],
         'key': ["25","30","36"]}
df2 = pd.DataFrame(data2, dtype="O")

df1.key = df1.key.astype("O")

print(df1.merge(df2, on = "key"))

# 输出：
# Empty DataFrame
# Columns: [c1, key, c2]
# Index: []

但如果将df1.key先转为字符串再转回object类型，合并就能正常匹配：

df1.key = df1.key.astype(str).astype("O")

原因解析 #

• 第一次转换的本质：类型未真正对齐
  df1.key.astype("O")只是把列的 dtype 标记为object，但列里的元素仍然是整数类型（比如df1.key[0]的类型是int）。而df2的key列虽然dtype也是object，但元素是字符串类型（df2.key[0]的类型是str）。Pandas的merge操作是严格匹配元素的值+类型的，整数25和字符串"25"在Pandas眼里是完全不同的元素，自然匹配不到。

• 二次转换的作用：统一元素底层类型
  astype(str)会把整数真正转换成字符串类型（比如25变成"25"），此时再转回object dtype，列里的元素底层类型已经是字符串了，和df2的key列元素类型、值完全一致，merge时就能正常匹配到对应行。

验证方式 #

可以通过打印元素类型确认差异：

# 第一次转换后查看元素类型
df1.key = df1.key.astype("O")
print(type(df1.key[0]))  # 输出：<class 'int'>

# 二次转换后查看元素类型
df1.key = df1.key.astype(str).astype("O")
print(type(df1.key[0]))  # 输出：<class 'str'>

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