如何避免Pandas横向拼接时int64被无意转换为float64？

这是个很常见的pandas类型转换问题，根源确实像你发现的那样——shift(-1)会在最后一行生成NaN值，而原生的int64类型无法容纳缺失值，所以pandas会自动把列的 dtype 提升为float64（因为float类型支持NaN）。这里有几种方法可以避免这种转换：

方法1：使用pandas的可空整数类型（推荐） #

pandas提供了Int64（注意大写I）这种支持缺失值的整数类型，你可以先把原列转成该类型，再执行拼接操作：

# 先将原列转为可空整数类型
df['op'] = df['op'].astype('Int64')
# 执行拼接
df = pd.concat([df, df.shift(-1).add_suffix('_next')], axis=1)

此时查看dtypes会发现两列都保持整数类型：

df.dtypes
# op        Int64
# op_next   Int64
# dtype: object

方法2：填充缺失值后转回int64 #

如果你不想使用可空类型，可以给shift后的缺失值填充一个符合业务逻辑的整数（比如0、最后一行的值等），再强制转回int64：

# 处理shift后的缺失值并转类型
df_next = df.shift(-1).add_suffix('_next').fillna(0).astype('int64')
# 拼接
df = pd.concat([df, df_next], axis=1)

⚠️ 注意：填充的值需要根据你的业务场景选择，确保不会影响后续分析。

方法3：用assign直接创建列（更简洁） #

你也可以用assign方法一步完成列的创建和类型保持：

df = df.assign(op_next=df['op'].shift(-1).astype('Int64'))

这种写法更紧凑，效果和方法1一致。

内容的提问来源于stack exchange，提问作者techvslife