调试Pandas多索引匹配问题：Strike类型转换后自动回退为float

我之前也踩过这个Pandas的小坑！问题出在Pandas创建MultiIndex时会自动推断各层的最优数据类型，哪怕你提前把Strike转成object类型，只要列里是类似29.0这种数值内容，Pandas就会默认把它转成float64，导致两个DataFrame的索引类型不匹配，join时无法正确对齐。

下面给你几个可行的解决方案：

方法1：设索引时强制指定数据类型（Pandas 1.3.0+支持） #

在set_index方法里直接通过dtype参数指定Strike列的类型为object，从根源上阻止类型自动转换：

# 先清理多余的索引列（比如之前reset_index产生的level_0）
df1 = df1.reset_index(drop=True)
# 设置索引时强制指定Strike为object类型
df1 = df1.set_index(
    ['Symbol','YYYY','MM','DD','Strike'],
    dtype={'Strike': 'object'}
)

# 对df2执行同样操作
df2 = df2.reset_index(drop=True)
df2 = df2.set_index(
    ['Symbol','YYYY','MM','DD','Strike'],
    dtype={'Strike': 'object'}
)

方法2：将Strike转成字符串类型再设索引 #

把Strike列直接转成字符串类型，这样Pandas就不会把它当成数值来推断类型了，是最稳妥的办法之一：

# 转换Strike为字符串
df1['Strike'] = df1['Strike'].astype(str)
df2['Strike'] = df2['Strike'].astype(str)

# 再设置复合索引
df1 = df1.set_index(['Symbol','YYYY','MM','DD','Strike'])
df2 = df2.set_index(['Symbol','YYYY','MM','DD','Strike'])

如果你的Strike值都是整数形式的浮点数（比如29.0、30.0），还可以先转成整数再转字符串，让索引更整洁：

# 先转整数再转字符串（确保无缺失值或非整数浮点数）
df1['Strike'] = df1['Strike'].astype(int).astype(str)
df2['Strike'] = df2['Strike'].astype(int).astype(str)

方法3：使用pd.Categorical固定类型 #

如果Strike的取值范围固定，还可以把它转成分类类型，既能保持类型稳定，还能提升性能：

# 统一两个df的Strike分类取值
strike_categories = sorted(set(df1['Strike'].unique()).union(df2['Strike'].unique()))

df1['Strike'] = pd.Categorical(df1['Strike'], categories=strike_categories, ordered=True)
df2['Strike'] = pd.Categorical(df2['Strike'], categories=strike_categories, ordered=True)

# 设置索引
df1 = df1.set_index(['Symbol','YYYY','MM','DD','Strike'])
df2 = df2.set_index(['Symbol','YYYY','MM','DD','Strike'])

验证效果 #

设置完索引后，你可以通过以下代码确认Strike的类型没有被自动转换：

# 重置索引后查看数据类型
print(df1.reset_index().dtypes)

此时Strike列应该显示为object、string或category类型，不会再变回float64。之后再执行join操作，就能正常匹配索引了：

merged_df = df1.join(df2, how='outer')

内容的提问来源于stack exchange，提问作者user3365528