如何选取DataFrame单行且保留原列数据类型？

你遇到的问题根源在于：用iloc[i]提取单行时得到的是Series对象，而Series只能存储单一数据类型，pandas会自动将所有列类型提升为兼容的float64，导致原类型丢失。要避免这种情况，可采用以下几种方案：

方法1：提取单行时返回DataFrame而非Series #

使用iloc[[i]]（双层方括号）提取单行，得到的是仅含一行的DataFrame，能完全保留原列的数据类型：

print('Chunk dtypes:')
print(chunk.dtypes)

# 提前用原DataFrame的列类型初始化空的新DataFrame
new_df = pd.DataFrame(columns=chunk.columns, dtype=chunk.dtypes.to_dict())

for i in range(len(chunk)):
    # 提取单行DataFrame
    row_df = chunk.iloc[[i]]
    
    print('row_df dtypes:')
    print(row_df.dtypes)
    
    # 执行复杂逻辑添加新列
    row_df['new_column'] = your_complex_logic(row_df)
    
    # 追加到新DataFrame
    new_df = pd.concat([new_df, row_df], ignore_index=True)

方法2：将Series转换为单行DataFrame #

若习惯用iloc[i]获取Series，可通过to_frame().T将其转换为单行DataFrame，再恢复原类型：

# 初始化新DataFrame
new_df = pd.DataFrame(columns=chunk.columns, dtype=chunk.dtypes.to_dict())

for i in range(len(chunk)):
    row_series = chunk.iloc[i]
    # 转换为单行DataFrame
    row_df = row_series.to_frame().T
    # 强制恢复原列类型
    row_df = row_df.astype(chunk.dtypes.to_dict())
    
    # 添加新列
    row_df['new_column'] = your_complex_logic(row_df)
    
    # 追加到新DataFrame
    new_df = pd.concat([new_df, row_df], ignore_index=True)

方法3：提前锁定新DataFrame的列类型 #

无论用哪种方式提取单行，初始化新DataFrame时明确指定各列的类型，能确保追加时不会自动转换类型：

# 直接复用原DataFrame的列类型
new_df = pd.DataFrame(columns=chunk.columns, dtype=chunk.dtypes.to_dict())

效果验证 #

用方法1提取的row_df数据类型会与原chunk完全一致：

row_df dtypes:
dt             int64
lat          float32
lon          float32
isfc           uint8
isst          uint16
itpw           uint8
iali           uint8
dtype: object

这样处理后，追加到新DataFrame的每行都会保留原数据类型，无需事后重新设置，对日期类列（如你的dt列）也能完美兼容。

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