如何向pd.DataFrame添加单元格时保留np.uint64类型，为何转为float64

你遇到的类型变化是pandas的两个底层机制共同导致的：

• 新增行时自动填充缺失值
  当你执行df.at[2, 'a'] = x时，索引值2在原DataFrame的RangeIndex中不存在，pandas会自动新增索引为2的行。此时你只给a列赋值，未赋值的b列在该行的位置会被自动填充为NaN（Not a Number，缺失值标记）。
• 原生numpy整数类型不支持存储NaN
  np.uint64属于numpy原生的无符号整数类型，这类类型的底层存储结构没有预留缺失值的标记位，无法兼容NaN。当列中出现NaN时，pandas会自动将整列的类型向上转型为可以同时容纳原整数数值和NaN的类型，默认就是np.float64。这也是为什么你新增一行后，a、b两列的类型都变成了float64。

如果需要避免类型转换，可以将列的类型声明为pandas专属的可空无符号整数类型pd.UInt64Dtype()，该类型原生支持缺失值存储，新增行时不会触发类型上浮：

# 修改类型声明代码即可
df = df.astype({'a': pd.UInt64Dtype(), 'b': pd.UInt64Dtype()})

内容的提问来源于stack exchange，提问作者rafa