为何Pandas会将整数转换为float64？如何避免该问题？

创建空的Pandas DataFrame时，没有指定任何列的数据类型。当你第一次通过loc给单元格赋值整数1时，Pandas为了保证后续能兼容浮点数、缺失值（NaN）等更灵活的数据，会自动将该列的 dtype 设置为float64，所以整数1会被转换为浮点数1.0存储。

• 初始化时指定列的整数类型
  提前定义列的数据类型，从根源避免自动转换：

  import pandas as pd
  df = pd.DataFrame({'Y': pd.Series(dtype='int64')})
  df.loc['X', 'Y'] = 1
  print(df)
  

  输出会显示整数1，而非1.0。

• 赋值后手动转换列类型
  如果已经用空DataFrame开始操作，赋值后可以强制转换列的类型：

  import pandas as pd
  df = pd.DataFrame()
  df.loc['X', 'Y'] = 1
  df['Y'] = df['Y'].astype('int64')
  print(df)
  

  要是列里可能出现缺失值（NaN），可以用Pandas的可空整数类型Int64（注意大写I），既保留整数类型又支持缺失值：

  df['Y'] = df['Y'].astype('Int64')
  

• 直接初始化带数据的DataFrame
  一开始就明确数据、索引和类型，跳过空DataFrame的自动推断步骤：

  import pandas as pd
  df = pd.DataFrame({'Y': [1]}, index=['X'])
  print(df)
  

内容的提问来源于stack exchange，提问作者buhtz