为何pandas.DataFrame.merge返回的DataFrame列类型与输入不一致？

问题场景 #

使用pandas.DataFrame.merge执行左连接操作时，出现了类型变化现象：左表中存在无法匹配右表的行时，右表的整数列（如示例中的a2、d）会从int64转为float64；但如果移除左表中无法匹配的行，这些列的类型又能保持int64。

示例代码如下：

import pandas as pd

# 创建并查看第一个DataFrame
df1 = pd.DataFrame({'a1': [0, 0, 1, 1, 2],
                    'b': [0, 0, 1, 1, 1],
                    'c': [11, 8, 10, 6, 6]})

print(df1)
print(df1.dtypes)
print()

# 创建并查看第二个DataFrame
df2 = pd.DataFrame({'a2': [0, 1, 1, 1, 3],
                    'b': [0, 0, 0, 1, 1],
                    'd': [22, 24, 25, 33, 37]})
print(df2)
print(df2.dtypes)
print()

# 执行左连接
df_merge = pd.merge(df1, df2, how='left', left_on=['a1', 'b'], right_on=['a2', 'b'])
print(df_merge)
print(df_merge.dtypes)

根本原因 #

核心原因很直接：pandas的int64类型无法存储缺失值（NaN）。

左连接的逻辑是保留左表的所有行，对于左表中找不到右表匹配项的行，右表对应的列会被填充为NaN。为了容纳这些NaN，pandas会自动将原本的整数列类型升级为float64——因为浮点类型支持存储NaN值。

而当你移除左表中无法匹配的行后，右表的对应列不再有NaN值，pandas就不需要进行类型升级，自然能保持原有的int64类型。

内容的提问来源于stack exchange，提问作者bgoodr