为何向DataFrame赋值np.nan会导致列数据类型从int转为float？

先看复现代码：

import pandas as pd
import numpy as np

np.random.seed(1)
# Python 2.7.12
# pandas和numpy均为最新版本
print pd.__version__  # 0.23.0
print np.__version__  # 1.14.3

arr = np.random.randint(1, 16, 10).reshape(2, 5)
print arr
"""
[[ 6 12 13 9 10]
 [12 6 1 1 2]]
"""

df = pd.DataFrame(arr)
print df
print 'df[4].dtypes = {}'.format(df[4].dtypes)
"""
   0   1   2  3   4
0  6  12  13  9  10
1 12   6   1  1   2
df[4].dtypes = int32
"""

df.iloc[1, 4] = np.nan
print 'df[4].dtypes = {}'.format(df[4].dtypes)  # df[4].dtypes = float64

向DataFrame的指定位置赋值np.nan后，对应列的数据类型从int32变为了float64，这背后的原因其实很好理解：

核心原因：整数类型无法兼容缺失值 #

1. np.nan本身是浮点类型：你可以自己测试下，type(np.nan)返回的是<type 'float'>，它本质是一个特殊的浮点数。
2. numpy数组的类型一致性要求：pandas的DataFrame列底层依赖numpy数组，而numpy数组的规则是所有元素必须是同一种数据类型。当你往全是整数的列里插入一个浮点类型的np.nan时，整个列的类型必须升级到能同时容纳整数和np.nan的类型。
3. 为什么是float64？：整数类型没有办法表示缺失值（总不能用某个特殊整数代替，那样会和真实业务数据混淆），而浮点类型天然支持nan这个特殊值。另外pandas默认选择精度更高的float64，也是为了尽可能减少数据精度损失。

简单类比下：就像你有个只能装苹果的篮子，现在要放个橙子进去，只能把篮子换成能装两种水果的容器——这里的“篮子”就是列的数据类型，np.nan是橙子，float64就是兼容两者的新容器。

如果之后你想保留缺失值同时转回整数类型，可以用pandas的可空整数类型：df[4] = df[4].astype('Int32')（注意是大写的Int32，这是pandas专门为带缺失值的整数场景设计的类型）。

内容的提问来源于stack exchange，提问作者IMCoins