为什么pandas DataFrame会将value_counts()输出的整数转为object类型？

• 统计结果存在空值（NaN）：pandas 1.0版本之前，整数类型不支持存储空值，只要序列中出现NaN，整列类型会自动转为float，若同时存在字符串等其他类型值，就会进一步转为通用的object类型。
• 构建DataFrame时传入的结构类型不统一：如果传入pd.DataFrame()的参数是包含多个不同类型序列的列表/字典，或者将value_counts()的结果和其他非整数类型数据共同传入，pandas无法推导统一数值类型时，就会默认设置为object类型。
• sec_id原始列存在类型混杂的异常值：如果sec_id列本身同时存在字符串、数值等多种类型的值，value_counts()的统计结果索引本身就混合了类型，构建DataFrame后对应列就会识别为object。

验证排查方式 #

• 先单独检查value_counts()的输出类型：执行print(sec_id.value_counts().dtype)，确认统计得到的计数值本身是否已经是object类型。
• 检查统计结果是否有空值：执行print(sec_id.value_counts().isna().any())，确认是否存在空值导致类型转型。
• 排查sec_id原始列的类型分布：执行print(sec_id.apply(type).value_counts())，确认原始数据是否存在类型混杂的情况。

内容的提问来源于stack exchange，提问作者Leon