pandas merge()操作将int转为float，已修复版本1.3.0仍复现原因问询

• 你遇到的类型转换不是未修复的bug，是pandas旧版本数值类型系统的固有特性：pandas 1.3.0 版本中，默认使用的numpy原生int64类型不支持存储空值NaN，当left join产生未匹配行时，对应列会出现NaN，因此整列会被向上转型为兼容NaN的float64类型。
• 网传该问题“已修复”的说法，大多是指无空值生成的场景（比如inner join、双方主键完全匹配的left join），这类场景下merge不会修改原int列类型。

你提供的复现代码如下：

import pandas as pd
df1 = pd.DataFrame([{'n': '001', 'b': 0}, {'n': '002', 'b': 1}])
df2 = pd.DataFrame([{'n': '001', 'c': 3}])
df3 = pd.merge(df1, df2, how='left', on='n')

print(df3)
#      n  b    c
# 0  001  0  3.0
# 1  002  1  NaN

print(df2.dtypes)
# n    object
# c     int64
# dtype: object

print(df3.dtypes)
# n     object
# b      int64
# c    float64
# dtype: object

print(pd.__version__)
# 1.3.0

解决方案 #

方案1：使用pandas可空整数类型（推荐，1.0+版本支持） #

提前将原表的int列指定为pandas专属的可空整数类型Int64（首字母大写，区别于numpy的int64），该类型支持同时存储整数和NaN，merge后不会发生类型转换：

# 定义df2时指定c列为可空整数类型
df2 = pd.DataFrame([{'n': '001', 'c': 3}]).astype({'c': 'Int64'})
df3 = pd.merge(df1, df2, how='left', on='n')
print(df3.dtypes['c'])
# Int64

方案2：merge完成后手动转换类型 #

如果不想修改原表类型，可以在merge后对结果列做类型转换，空值可以根据业务需求填充后再转int：

# 空值填充为指定值（比如0）后转int
df3['c'] = df3['c'].fillna(0).astype('int64')

# 若需要保留空值，也可以直接转成Int64
df3['c'] = df3['c'].astype('Int64')

内容的提问来源于stack exchange，提问作者Cuteufo