替换pandas数据框行会覆盖所有列的数据类型

Question

当我替换一个数据框（df）中的一行时，原本是整数类型的某一列变成了浮点数类型。我希望它能保持为整数类型。

我创建了这个数据框：

testdate = pd.datetime(2014, 1, 1)
adddata = {'intcol':0,'floatcol':0.0}
df = pd.DataFrame(data=adddata, index=pd.date_range(testdate, periods=1))

如我所愿，一列是整数类型，另一列是浮点数类型，这一点通过 df.dtypes 可以确认：

floatcol    float64
intcol        int64
dtype: object

然后我用 df.ix[testdate] = pd.Series(adddata) 来覆盖已有的一行（在这个例子中只有一行）。我故意使用相同的数据来展示这个问题：整数列变成了浮点数。 df.dtypes：

floatcol    float64
intcol      float64
dtype: object

需要注意的是，我可以单独更改单元格（例如 df.ix[testdate,'floatcol'] = 0.0），这样列的数据类型就能保持不变，但实际上我有很多列需要同时覆盖，所以一个一个来做太麻烦了。

Answer 1

有趣的是，即使把数据类型指定为 object 也没有什么帮助：

>>> df.loc[testdate,:] = pd.Series(adddata, dtype='object')
>>> df.dtypes
floatcol    float64
intcol      float64
dtype: object

可能有人有更好的解决办法，但我发现这个方法有效：

>>> df.loc[testdate,:] = pd.Series(list(adddata.values()), adddata.keys(), dtype='object')
>>> df.dtypes
floatcol    float64
intcol        int64
dtype: object

不过，如果行的值是 dict 格式的话，可能这样做会更简单：

>>> df.loc[testdate,:] = list(map(adddata.get, df.columns))
>>> df.dtypes
floatcol    float64
intcol        int64
dtype: object