Python Pandas问题：透视表意外输出浮点型数据

嘿，这个问题我太熟了！整数型的DataFrame做完透视表变浮点，大概率是俩原因，我给你拆解清楚：

最可能的两个诱因 #

1. 没指定聚合函数，默认用了均值（mean）
   pandas的pivot_table默认聚合逻辑是计算均值，哪怕原始数据全是整数，均值结果自然会变成浮点型——毕竟均值不一定是整数嘛。看你的数据是Total计数类字段，显然应该用求和而非均值。

2. 透视后出现了缺失值（NaN）
   如果某些Year和Type的组合在原始数据里不存在，透视表会自动用NaN填充这些空白位置。而pandas的整数类型无法存储NaN，所以它会自动把整个列转成float64类型来兼容。

对应的解决办法 #

办法1：指定正确的聚合函数（优先推荐）

既然是计数数据，直接把聚合函数设为sum，这样结果会保持整数（无缺失值的前提下）：

dfDisB = pd.pivot_table(dfDis, index=['Year'], columns=['Type'], values=['Total'], aggfunc='sum')

办法2：填充缺失值+指定聚合

如果确实存在缺失的Year-Type组合，加上fill_value=0把空值填成0，同时用sum聚合，最终结果就是整数类型：

dfDisB = pd.pivot_table(dfDis, index=['Year'], columns=['Type'], values=['Total'], aggfunc='sum', fill_value=0)

办法3：转换已生成的透视表

要是你已经得到了浮点型的透视表，也可以事后处理：先把NaN填充成0，再转成整数类型：

dfDisB = dfDisB.fillna(0).astype(int)

你可以先检查下自己的透视表代码有没有指定aggfunc，或者看看结果里有没有NaN，对应上面的办法就能解决啦！

内容的提问来源于stack exchange，提问作者Nicholas