使用df.append()添加字典时布尔值转浮点数的原因及解决办法

这个问题我之前在项目里踩过坑，咱们先搞清楚背后的逻辑：

当你创建空的 df = pd.DataFrame() 时，这个DataFrame既没有定义列名，也没有预设任何数据类型。当你调用 df.append() 添加包含布尔值的字典时，pandas需要为新生成的列自动推断数据类型。

这里的核心矛盾是：空DataFrame没有给pandas提供任何类型参考，它会默认选择一种“兼容性更强”的数值类型——也就是浮点型（float）。因为布尔值在底层是整数的子类（True对应1，False对应0），pandas为了避免后续添加其他数值类型（比如整数、浮点数）时出现类型冲突，会优先把布尔值提升为浮点型存储。

而你测试字符串字典时没问题，是因为字符串属于object类型，pandas直接推断为object列，不需要做类型提升。

下面几种方法都能在append阶段就保留布尔类型，不需要事后调整DataFrame：

方法1：提前创建指定布尔类型的空DataFrame #

在初始化的时候就明确列名和数据类型，从根源上避免pandas乱推断：

import pandas as pd

# 先定义列和布尔类型
df = pd.DataFrame(columns=['A', 'B'], dtype='bool')
# 再append字典
df = df.append({'A': True, 'B': False}, ignore_index=True)
print(df)
# 输出：
#       A      B
# 0  True  False

方法2：用pd.concat()替代append()（官方推荐） #

因为df.append()已经被pandas标记为弃用，官方更推荐用pd.concat()。我们可以把字典转成指定类型的小DataFrame再合并：

import pandas as pd

df = pd.DataFrame()
# 将字典转为带布尔类型的单行DataFrame
new_row = pd.DataFrame({'A': [True], 'B': [False]}, dtype='bool')
# 合并到原DataFrame
df = pd.concat([df, new_row], ignore_index=True)

方法3：将字典转为指定类型的Series再append #

如果不想提前定义列，也可以把字典转成指定布尔类型的Series，再append到空DataFrame：

import pandas as pd

df = pd.DataFrame()
# 创建指定类型的Series
new_series = pd.Series({'A': True, 'B': False}, dtype='bool')
df = df.append(new_series, ignore_index=True)

内容的提问来源于stack exchange，提问作者wkzhu