pandas Series.to_dict() numpy转Python类型与DataFrame接口差异咨询
pandas 0.25.3版本下两种to_dict方法类型转换行为差异说明
测试基础环境
- Python 3.7.5
- pandas 0.25.3 虚拟运行环境
复现观测的行为差异
场景1:数据包含None空值的测试
操作流程:
- 构造带None值的测试DataFrame
- 对DataFrame第一行生成的Series对象调用
Series.to_dict()方法 - 对原DataFrame调用
DataFrame.to_dict('records')方法,提取首条记录,逐字段遍历打印值的类型
观测到的类型输出差异:
- A列对应值:
Series.to_dict()返回numpy.int64类型,DataFrame.to_dict('records')返回原生Pythonint类型 - B列对应值:两种方法对None空值的输出均为
NoneType,无表现差异
场景2:替换空值为整数的对照测试
操作流程:将原测试数据中B列的None值替换为普通整数值,重复上述类型对比流程
观测结果:两种方法返回的所有值类型均为原生Python int,行为完全一致
差异产生的本质原因
该表现是pandas 0.25.3版本的设计实现层面的逻辑分支差异,不属于异常bug:
Series.to_dict()的类型转换触发逻辑和Series自身的底层dtype判定强绑定。当Series内混有None空值时,pandas会将该Series的存储逻辑划入object类型分支,此时列上的非空整数值不会触发numpy类型向Python原生int的自动转换规则,会保留底层存储的numpy类型。- 当将所有None值替换为普通整数后,整列会被识别为连续的非空数值dtype,此时
Series.to_dict()会和DataFrame.to_dict('records')走完全相同的原生类型转换分支,输出的类型表现自然一致。 DataFrame.to_dict('records')的转换逻辑不依赖单列的整体dtype判定,会逐值做兼容类型转换,哪怕行数据中混有空值,非空的整数值也会被强制转换为Python原生int,因此不会出现上述的类型偏差。
内容的提问来源于stack exchange,提问作者Denis
相关产品推荐
相关产品推荐

