含None值时如何避免Pandas DataFrame自动将int转为float

当你将包含整数和None的列表转换为Pandas DataFrame时，整数列会因存在缺失值被自动转为float类型，示例如下：

df_raw = [
    ("Madhan", 0, 9.34),
    ("Kumar", None, 7.6)
]
pd.DataFrame(df_raw)

输出：

0    1     2
0  Madhan  0.0  9.34
1  Kumar  NaN   7.6

解决方案 #

使用dtype=object构造DataFrame，即可保留每个元素的原始类型，避免整数被强制转为float：

df = pd.DataFrame(df_raw, dtype=object)
print(df)

输出：

0     1     2
0  Madhan     0  9.34
1  Kumar  None   7.6

原尝试方法无效的原因 #

• 指定dtype=str或pd.StringDtype()时，Pandas会先推断列的统一类型（因存在None，整数列会被推断为float），再将整个列转为字符串，因此会出现0.0、NaN这类不符合预期的字符串。
• convert_dtypes无法处理大整数的情况，是因为大整数所在列因存在None被推断为float，转换后仍会保留浮点数格式。

验证大整数场景 #

针对包含大整数的场景，dtype=object同样有效：

df_raw = [
    ("Madhan", 5, 9.34, None),
    ("Kumar", None, 7.6, 34534543454)
]
df = pd.DataFrame(df_raw, dtype=object)
print(df)

输出：

0     1     2            3
0  Madhan     5  9.34        None
1  Kumar  None   7.6  34534543454

内容的提问来源于stack exchange，提问作者madhan01