pandas使用apply()出现int转decimal问题,如何避免自动类型转换
问题根本原因
Pandas的常规数值列默认要求整列数据类型统一,NaN本身属于浮点类型,所以只要列中存在空值,整列会自动向上转型为浮点型,你遇到的整数自动转带小数的decimal类型就是这个机制导致的。
可行解决方案
如果你确实需要同一列内保留单元格级别的不同数据类型(int和float共存),可以将列转为object dtype,该类型支持存储不同类型的Python原生对象,不会触发自动类型统一。
具体实现代码如下:
# 1. 将目标列转换为object类型,取消列类型统一限制 df['A'] = df['A'].astype('object') # 2. 定位空值替换为int类型的0,比apply效率更高且不会触发类型转换 df.loc[df['A'].isna(), 'A'] = 0
执行后原来的int值12、2会保持int类型,3.9会保持原有浮点类型,替换的空值也为int类型的0,完全符合你预期的效果。
补充说明
- 如果你后续需要对该列做数值运算,可以根据场景临时转换为数值类型,或者筛选出对应类型的元素单独处理。
- 如果你可以接受整列统一为可空数值类型,也可以使用Pandas提供的
Int64(可空整数)、Float64(可空浮点数)类型,但这类类型依然要求整列类型统一,不支持混合int和float。
内容的提问来源于stack exchange,提问作者Naruto
相关产品推荐
相关产品推荐

