使用df.loc提取DataFrame值时类型不符的问题及解决咨询

这是个很典型的pandas类型处理问题，我来帮你拆解原因和解决方法：

为什么两种写法返回的类型不一样？ #

当你用df.loc[0, ['x', 'y']]的时候，pandas会返回一个Series对象。而Series的核心特性之一是：它的所有元素必须共享同一个数据类型（dtype）。你的x列是float64、y列是int64，pandas会自动做类型提升——把整个Series的 dtype 转为float64（因为整数转浮点数不会丢失信息，反过来则可能丢失精度）。所以当你解构这个Series时，y_val就变成了float类型。

而df.loc[0, 'y']是直接提取单个列的单个值，pandas会严格保留该列原本的int64类型，返回的是numpy.int64对象。

怎么用#1的语法拿到整数类型的y值？ #

有几种简单的方法可以实现：

• 方法1：提前转换Series中y的类型
  在解构前，显式把Series里的y转回int64：

  _, y_val = df.loc[0, ['x', 'y']].astype({'y': 'int64'})
  print(type(y_val))  # <class 'numpy.int64'>
  

• 方法2：提取后手动转成原生整数
  如果只需要Python原生的int类型，直接转换就行：

  _, y_val = df.loc[0, ['x', 'y']]
  y_val = int(y_val)
  print(type(y_val))  # <class 'int'>
  

• 方法3：用numpy数组保留原始类型
  把Series转成numpy数组，数组会保留各元素的原始类型：

  x_val, y_val = df.loc[0, ['x', 'y']].to_numpy()
  print(type(y_val))  # <class 'numpy.int64'>
  

这样就能在同时提取x和y的情况下，拿到你想要的整数类型y值啦。

内容的提问来源于stack exchange，提问作者Quan Hoang