Pandas中Nullable Int类型无法直接用作索引的问题咨询
Pandas可空整数类型设置为索引后类型丢失问题
核心现象:当尝试将索引设置为Pandas可空整数(Nullable Integer)类型时,最终存储的索引却是通用object类型,无法保留可空整数的原生类型属性。
完整复现流程
- 创建全列使用
Int64(Pandas可空整数类型)的DataFrame
import pandas as pd df = pd.DataFrame({ 'X': [1, 2, 3, 4, 5], 'A': [1, 2, None, 100, 200], 'B': [7, None, 77, None, 777], }, dtype='Int64' # pandas Nullable Int type ) df.dtypes # 输出结果: # X Int64 # A Int64 # B Int64 # dtype: object
- 默认状态下,DataFrame的索引为0到4的整数序列,类型为标准
int64
df.index.dtype, df.index.inferred_type, df.index.is_numeric() # 输出结果:(dtype('int64'), 'integer', True)
- 尝试将上述
Int64类型的'X'列设置为索引时,即便系统推断该索引为数值类型,索引的实际dtype却变为object类型
df.set_index('X', drop=False, inplace=True) df.index.dtype, df.index.inferred_type, df.index.is_numeric() # 输出结果:(dtype('O'), 'integer', True)
- 对照测试:如果将列转为标准numpy
int64类型再设置索引,就能正常保留int64的索引类型
df['X'] = df['X'].astype('int64') # 小写i开头的numpy int64类型 df.set_index('X', drop=False, inplace=True) df.index.dtype, df.index.inferred_type, df.index.is_numeric() # 输出结果:(dtype('int64'), 'integer', True)
- 目前无法将索引强制转换为可空整数类型
df.index.astype('Int64') # 输出结果仍为object类型的Index:Index([1, 2, 3, 4, 5], dtype='object', name='X')
- 可空整数类型在Series中可以正常生效,但将其赋值给索引时就会失效
pd.Series(df['X'].astype('Int64')).dtype # 输出结果:Int64Dtype() df.index = pd.Series(df['X'].astype('Int64')) df.index # 输出结果仍为object类型:Index([1, 2, 3, 4, 5], dtype='object', name='X')
- 尝试对索引值执行类型转换时,会触发弃用警告,且最终返回的仍是numpy标准
int64类型
df.index.values.astype('Int64') # 触发警告:<ipython-input-10-6e18e0684d5a>:1: DeprecationWarning: Numeric-style type codes are deprecated and will result in an error in the future. # 输出结果:array([1, 2, 3, 4, 5], dtype=int64)
待明确的核心疑问
- 上述现象是Pandas新可空整数dtype的功能bug还是固有版本限制?
- 目前查阅官方可空整数类型的相关文档,并未明确提及该类限制。
内容的提问来源于stack exchange,提问作者aneroid
相关产品推荐
相关产品推荐

