访问pandas DataFrame行时单元格格式丢失问题求助

问题现象 #

当Pandas DataFrame仅包含数值类型列（整数+浮点数）时，通过loc/iloc取整行后，原本的整数类型会被自动转换为浮点数，丢失原始类型。示例如下：

import pandas

dfA = pandas.DataFrame({
    'A': [111, 222, 333],
    'B': [1.3, 2.4, 3.5],
})
# 取首行后，A列的值变成111.0，类型为numpy.float64
print(dfA.loc[0])
print(type(dfA.loc[0].A))

但如果DataFrame包含字符串类型列，取整行时各列会保留原始类型：

dfB = pandas.DataFrame({
    'A': [111, 222, 333],
    'B': [1.3, 2.4, 3.5],
    'C': ['one', 'two', 'three']
})
# 此时A列的值为111，类型保持numpy.int64
print(dfB.loc[0])
print(type(dfB.loc[0].A))

原因分析 #

Pandas中取整行返回的是Series对象，而Series要求所有元素使用统一的数据类型：

• 当仅包含数值列时，整数会被向上转型为浮点数（浮点数可兼容整数，反之不行），整个Series的dtype变为float64；
• 当存在字符串列时，Series的dtype会变为object，每个元素可独立保留原始类型。

解决方法 #

1. 直接访问单个单元格（推荐） #

不需要取整行，直接定位目标单元格，直接返回原始类型：

print(dfA.loc[0, 'A'])  # 输出111
print(type(dfA.loc[0, 'A']))  # 输出<class 'numpy.int64'>

2. 将行转换为字典 #

用to_dict()把整行转为字典，每个值保留原始类型：

row_dict = dfA.iloc[0].to_dict()
print(row_dict['A'])  # 输出111
print(type(row_dict['A']))  # 输出<class 'numpy.int64'>

3. 使用itertuples遍历行 #

通过itertuples()遍历行，返回的NamedTuple每个字段保留原始数据类型：

for row in dfA.itertuples(index=False):
    print(row.A, type(row.A))  # 输出111 <class 'int'>（转为Python原生int）

4. 手动指定Series的类型 #

如果必须取整行后处理，手动将Series各列转回原始类型：

row = dfA.loc[0].astype({'A': 'int64', 'B': 'float64'})
print(row.A)  # 输出111
print(type(row.A))  # 输出<class 'numpy.int64'>

5. 创建DataFrame时指定object类型（不推荐） #

创建时指定dtype=object，让列以object类型存储，取整行时不会转型，但会降低运算性能：

dfA = pandas.DataFrame({
    'A': [111, 222, 333],
    'B': [1.3, 2.4, 3.5],
}, dtype=object)
print(dfA.loc[0].A)  # 输出111
print(type(dfA.loc[0].A))  # 输出<class 'int'>

内容的提问来源于stack exchange，提问作者buhtz