pandas新建列所有元素为int却被设为object dtype的原因及调试方法

• 类型检查代码存在语法错误：你排查代码中写的instance(weekday, int)是错误写法，正确语法为isinstance(weekday, int)，该语法错误导致类型校验逻辑完全不执行，你得出的「所有元素都是int类型」的结论不成立。
• 日期转换结果类型异常：pd.to_datetime(df["Date"])如果返回的是object类型的混杂日期序列（比如包含带时区的Timestamp、字符串格式日期、NaT等），而非标准的datetime64[ns]类型，经过map操作后返回的序列dtype会默认设为object。
• 赋值序列本身为object类型：pd.to_datetime(df["Date"]).map(lambda x: x.weekday())生成的临时序列本身就是object类型，和赋值操作无关，常见于元素类型混杂的场景（比如同时存在Python原生int、numpy.int、浮点型整数值）。
• DataFrame结构约束：如果当前df是其他DataFrame的切片视图，或者之前做过跨类型拼接、空df初始化等操作，会存在隐式的类型约束，导致新增列被强制转为object类型。

• 先修正类型检查的语法错误，将instance改为isinstance后重新运行，确认是否存在非int类型的元素。
• 单独提取赋值前的临时序列进行校验：
  运行如下代码直接查看生成的序列本身的属性：

  temp_series = pd.to_datetime(df["Date"]).map(lambda x: x.weekday())
  print(temp_series.dtype)
  print(temp_series.apply(type).unique())
  

  如果临时序列本身就是object类型，说明问题出在map逻辑，而非赋值环节。
• 检查日期转换结果的类型：运行print(pd.to_datetime(df["Date"]).dtype)，确认返回的是标准datetime64[ns]类型，而非object。
• 优化代码写法规避问题：你使用的lambda map写法效率极低，可直接用datetime属性访问的方式实现，同时强制指定类型：

  df.loc[:, "weekday"] = pd.to_datetime(df["Date"]).dt.weekday.astype("int64")
  

• 排除视图约束影响：将原df拷贝一份后再执行赋值操作，查看新df的weekday列类型是否正常，如果拷贝后类型正常则说明原df是其他数据的切片视图，存在结构限制。

内容的提问来源于stack exchange，提问作者abisko