Pandas中使用describe()时数据类型未改变的问题咨询

你遇到的这个情况其实是Pandas的设计逻辑导致的，咱们一步步拆解来看：

还原操作与现象 #

首先是你的初始代码及输出：

import pandas as pd

dict = {'A':[10.0, 9.10, 8.93, 9.5], 'B':[3.0, 7.45, 5.6, 10.3], 'C':[5.32, 4.30, 8.0, 9.8]}
df = pd.DataFrame(dict)
print(df['A'].describe())

输出：

count    4.000000
mean     9.382500
std      0.475981
min      8.930000
25%      9.057500
50%      9.300000
75%      9.625000
max     10.000000
Name: A, dtype: float64

接着是转换为int32后的操作与输出：

df['A'] = df['A'].round(0).astype('int32')
print(df['A'].describe())

输出：

count     4.00000
mean      9.50000
std       0.57735
min       9.00000
25%       9.00000
50%       9.50000
75%      10.00000
max      10.00000
Name: A, dtype: float64

核心原因解释 #

虽然你已经通过astype('int32')把df['A']的真实类型转为整数（可以用df.dtypes确认），但describe()方法返回的统计结果会统一用浮点型展示，原因在于：

• 分位数计算（比如25%、50%、75%）很可能产生非整数结果，比如你的例子里50%分位数是9.5，这个值无法用整数类型存储。
• Pandas为了保证所有统计指标都能完整展示，不会因为类型限制丢失精度，会自动将整个统计结果的 dtype 提升为浮点型。

验证列的真实类型 #

你可以通过以下代码确认列的实际类型确实是整数：

print(df.dtypes)
# 输出：
# A    int32
# B    float64
# C    float64
# dtype: object

print(type(df['A'].values[0]))
# 输出：<class 'numpy.int32'>

简单来说，列本身确实是整数类型，但describe()的输出为了兼容分位数的非整数结果，统一用浮点型呈现，这是Pandas的合理设计哦~

内容的提问来源于stack exchange，提问作者jcf