python - Panda 的 DataFrame 双转置将数字类型更改为对象

Question

我正在从 excel 中的 2 个不同位置读取数据框的标题和数据(两者都正确对齐但不相邻)。标题可能包含许多空白，因此我需要丢弃这些标题和数据中的相应列。所以我的最后一帧有非空 header 和与这些 header 对应的数据。下面使用转置的逻辑有效，但我在双重转置时丢失了数据类型 - 请参见下面的具体示例 -问题1)关于如何在不换位的情况下实现它的任何建议？2)这是转置的工作方式吗？它不应该在第二次转置时再次推断数据类型吗？

  In [25]:

hd=pd.DataFrame({0:['num'],
                 1:np.nan,
                 2:['ltr']})
hd
Out[25]:
0   1   2
0    num    NaN  ltr
In [26]:

data=pd.DataFrame({0:np.arange(3),
                 1:['a','b','c'],
                 2:['d','e','f']})
data
Out[26]:
0   1   2
0    0   a   d
1    1   b   e
2    2   c   f
In [27]:

df=data.T[hd.iloc[0].notnull()].T
df.columns=hd.iloc[0].dropna()     
df
Out[27]:
num ltr
0    0   d
1    1   e
2    2   f
In [28]:

df.dtypes
Out[28]:
0
num    object
ltr    object
dtype: object

In [25]:

hd=pd.DataFrame({0:['num'],
                 1:np.nan,
                 2:['ltr']})
hd
Out[25]:
0   1   2
0    num    NaN  ltr
In [26]:

data=pd.DataFrame({0:np.arange(3),
                 1:['a','b','c'],
                 2:['d','e','f']})
data
Out[26]:
0   1   2
0    0   a   d
1    1   b   e
2    2   c   f
In [27]:

df=data.T[hd.iloc[0].notnull()].T
df.columns=hd.iloc[0].dropna()     
df
Out[27]:
num ltr
0    0   d
1    1   e
2    2   f
In [28]:

df.dtypes
Out[28]:
0
num    object
ltr    object
dtype: object

Answer 1

当您开始使用混合数据类型时，转置将数据类型转换为 object。正如预期的那样，数据类型是基于列的。如果您想重新推断它们，可以使用 df.convert_objects()。

但是，只需这样做:

In [10]: data.loc[:,hd.iloc[0].notnull()]
Out[10]: 
   0  2
0  0  d
1  1  e
2  2  f

In [11]: data.loc[:,hd.iloc[0].notnull()].dtypes
Out[11]: 
0     int64
2    object
dtype: object