Pandas：将Float64序列赋值给Int32序列时出现类型错误

错误属于预期行为 #

原生numpy类型赋值成功的原因 #

当使用numpy原生类型（int32、float64）时，Pandas会自动触发类型提升：给整数类型的Series赋值浮点值时，整个Series的dtype会被提升为浮点类型（比如float64），以此容纳新的浮点数据，所以赋值操作可以顺利完成。

示例验证代码：

b = pd.Series([1.2, 2.2, 3.2], dtype="float64")
a = pd.Series([1,2,3], dtype="int32")
a[a < 2] = b
# 结果dtype变为float64，符合预期

扩展类型赋值失败的原因 #

Pandas的Nullable扩展类型（Int32、Float64，注意首字母大写）设计核心是安全类型转换，禁止隐式的、会导致精度丢失的类型转换：

• 你试图给Int32类型的Series赋值Float64类型的非整数值（比如1.2），这类值无法安全转换为整数类型，触发了严格的类型检查。
• 报错信息里的dtype('O')是内部处理时的临时中间类型，本质问题是扩展类型不允许将非等价的浮点值转为整数。

报错示例代码：

b = pd.Series([1.2, 2.2, 3.2], dtype="Float64")
a = pd.Series([1,2,3], dtype="Int32")
a[a < 2] = b
# 触发TypeError: cannot safely cast non-equivalent object to int32

concat操作成功的原因 #

concat操作的逻辑是自动推断结果的兼容dtype：当合并Int32和Float64类型的Series时，Pandas会选择可以容纳两种类型数据的Float64作为结果的dtype，不需要进行不安全的类型转换，因此可以成功执行。

解决办法 #

如果需要完成类似的赋值操作，可以通过以下方式处理：

• 提前将目标Series转换为兼容的扩展类型：

  a = pd.Series([1,2,3], dtype="Int32").astype("Float64")
  a[a < 2] = b  # 此时a为Float64类型，可以容纳浮点值
  

• 若确定需要将浮点值转为整数（允许精度丢失或截断），可以显式转换后赋值：

  a.loc[a < 2] = b.round().astype("Int32")  # 先将浮点值四舍五入为整数，再转换为Int32类型
  

内容的提问来源于stack exchange，提问作者Wirable2323