提取DataFrame行时如何保留元素的int/float原始类型？

这个问题我之前也碰到过，本质是pandas中Series与DataFrame的类型机制差异导致的：当你用df.iloc[df['i'].argmin()]取出一行时，得到的是一个Series对象——而Series要求所有元素必须是同一数据类型，因为你的j列是float类型，所以i列的int会被自动向上转换为float，最终整行的dtype都变成了float，也就出现了0变成0.0的情况。

解决方案：保持结果为DataFrame格式 #

只需要把索引改成列表形式，让iloc返回一个单行的DataFrame，这样每列的原始数据类型就会被保留：

# 用列表包裹索引，返回DataFrame而非Series
min_row = df.iloc[[df['i'].argmin()]]

测试一下结果：

print(min_row)
#    i    j
# 0  0  0.3

print(min_row.dtypes)
# i      int64
# j    float64

可以看到i列依然保持了原始的int64类型。

替代方案：如果需要Series格式 #

如果你确实需要得到Series对象，可以手动将i元素转换回int类型：

min_row_series = df.iloc[df['i'].argmin()]
min_row_series['i'] = int(min_row_series['i'])

不过这种方法只适合单个元素的场景，更推荐第一种保持DataFrame的方案，能从根源上避免类型转换问题。

额外提示：用idxmin替代argmin #

你也可以用df['i'].idxmin()直接获取最小值对应的行标签，再用loc取出，同样要注意用列表包裹索引来保留类型：

min_row = df.loc[[df['i'].idxmin()]]

内容的提问来源于stack exchange，提问作者N08