Pandas 2.2.3中如何正确使用infer_objects解决diff+fillna的类型降转警告

我在Pandas 2.2.3中尝试了以下示例：

outage_mask = pd.Series(([True]*5 + [False]*5)*5, index=pd.date_range("2025-01-01", freq="1h", periods=50))
[ts for ts in outage_mask.loc[outage_mask.diff().fillna(False)].index]

运行后出现了如下警告：

FutureWarning: Downcasting object dtype arrays on .fillna, .ffill, .bfill is deprecated and will change in a future version. Call result.infer_objects(copy=False) instead. To opt-in to the future behavior, set pd.set_option('future.no_silent_downcasting', True)

我搞不清楚该如何正确应用infer_objects。我猜测问题出在diff的输出因为同时包含NaN和bool类型变成了object dtype，但比如下面这种写法并没有效果：

[ts for ts in outage_mask.loc[outage_mask.diff().infer_objects(copy=False).fillna(False)].index]

我可以用一个笨拙的 workaround 来避免警告：

[ts for ts in outage_mask.loc[outage_mask.diff().astype(float).fillna(0.).astype(bool)].index]

但我想理解如何正确应用警告里提到的解决方案，应该怎么做？

其实问题的核心在于，diff()返回的结果里第一个元素是NaN，而普通布尔类型的Series混入NaN后会自动转为object dtype。你之前直接在diff()后调用infer_objects()没用，是因为此时数据里还存在NaN，而普通bool类型无法容纳NaN，infer_objects()没法把它推断成布尔类型（只有nullable布尔类型pd.BooleanDtype()支持NaN）。

下面给你两种符合警告建议的正确解决方案：

方案一：调整调用顺序，先填充再推断类型 #

先通过fillna(False)把NaN替换为布尔值，此时所有元素都是布尔类型，再调用infer_objects()就能正确将Series的类型转为bool，避免自动降转的警告：

# 先填充NaN，再推断类型
mask = outage_mask.diff().fillna(False).infer_objects(copy=False)
[ts for ts in outage_mask.loc[mask].index]

方案二：启用未来行为选项（一劳永逸） #

如果你希望整个代码都遵循Pandas未来的行为规范，可以在代码开头设置这个选项，之后再运行原代码就不会触发警告了：

pd.set_option('future.no_silent_downcasting', True)

# 后续正常运行你的代码
outage_mask = pd.Series(([True]*5 + [False]*5)*5, index=pd.date_range("2025-01-01", freq="1h", periods=50))
[ts for ts in outage_mask.loc[outage_mask.diff().fillna(False)].index]

另外，还有一种更简洁的显式类型转换方式，虽然和你的workaround类似，但更直接：

mask = outage_mask.diff().fillna(False).astype(bool)
[ts for ts in outage_mask.loc[mask].index]

不过警告里优先推荐使用infer_objects()，所以方案一或方案二更贴合Pandas的设计方向。

备注：内容来源于stack exchange，提问作者Thomas Arildsen