为何含NaN的DataFrame列默认是float类型，无NaN列是int类型？

先还原你的代码和输出，方便理解问题上下文：

你的代码 #

import pandas as pd 
df = pd.DataFrame([{'a':1,'c':2},{'a':3,'b':6,'c':8},{'a':78,'b':89,'c':78}]) 
print(df)

运行输出 #

a     b   c
0   1   NaN   2
1   3   6.0   8
2  78  89.0  78

这个现象是pandas和底层数值体系设计的必然结果，核心原因拆解如下：

• NaN本身就是float类型
  在Python的数值体系里，缺失值标记NaN（Not a Number）本质属于float类型——你可以直接在终端敲type(np.nan)验证，返回的就是<class 'float'>。整数类型（不管是Python原生int还是numpy的int类型）都没有内置的“缺失值”标记，只有float类型支持NaN这个特殊值来表示缺失状态。

• pandas列必须是同质类型
  pandas的DataFrame要求每一列的数据类型必须统一（这是保证存储效率和运算速度的关键）。当某一列里同时存在整数和NaN时，pandas只能把整列的类型提升为float——因为只有float类型能同时容纳整数和NaN两种值。而像你的a、c列，所有值都是完整的整数，没有缺失，所以pandas会默认使用更节省内存的int类型。

额外补充：想保留整数类型怎么办？ #

如果你希望有缺失值的列依然保持整数类型，pandas从1.0版本开始支持nullable整数类型（注意是大写的Int64，区别于小写的int64）。你可以这样转换：

df['b'] = df['b'].astype('Int64')

转换后b列的类型就是Int64，缺失值会用pd.NA表示，而不会转成float。

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