Pandas中apply导致int64自动转为float64的原因咨询

我已查阅以下问题：

• 《Involuntary conversion of int64 to float64 in pandas》
• 《Unwanted automatic type conversion》
• 《Pandas Dtypes : float64 to 'Object' Conversion》

但据我理解，这些问题的场景都不如我的情况简单。我在Jupyter Lab中运行代码：

>>> df.dtypes
cd_fndo      int64
dif        float64
dtype: object

可见数据类型为int64和float64，但应用恒等函数后类型发生了变化：

>>> df.apply(lambda x: x, axis=1).dtypes
cd_fndo    float64
dif        float64
dtype: object

不过仅处理第一列时，int64类型保持不变：

>>> df.iloc[:, :1].apply(lambda x: x, axis=1).dtypes
cd_fndo    int64
dtype: object

能否有人解释这种类型变化的原因？

原因解释 #

当使用df.apply(lambda x: x, axis=1)逐行处理数据时，Pandas会将每一行转换为一个Series对象。由于单一行中同时存在int64和float64两种类型，Pandas需要为这个行Series选择一个能兼容所有元素的通用数据类型——float64可以无损容纳整数，而int64无法存储浮点数，因此会自动将整列的类型统一提升为float64，以保证每行数据类型的一致性。

而仅处理第一列时，每行只有int64类型的数据，不存在类型兼容问题，因此无需进行类型提升，类型保持int64不变。

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