python - Pandas:将一行 boolean 值附加到 df 使用 `loc` 更改为 `int`

Question

考虑 df :

In [2098]: df = pd.DataFrame({'a': [1,2], 'b':[3,4]})

In [2099]: df
Out[2099]: 
   a  b
0  1  3
1  2  4

现在，我尝试附加一个 list值到 df :

In [2102]: df.loc[2] = [3, 4]

In [2103]: df
Out[2103]: 
   a  b
0  1  3
1  2  4
2  3  4

到目前为止一切都很好。
但是现在当我尝试添加带有 boolean 值列表的行时，它会将其转换为 int :

In [2104]: df.loc[3] = [True, False]

In [2105]: df
Out[2105]: 
   a  b
0  1  3
1  2  4
2  3  4
3  1  0

我知道我可以转换我的 df进入 str然后可以附加 boolean 值，例如:

In [2131]: df = df.astype(str)
In [2133]: df.loc[3] = [True, False]

In [2134]: df
Out[2134]: 
      a      b
0     1      3
1     2      4
3  True  False

但是，我想知道这种行为背后的原因。为什么不自动更改 dtypes列到 object当我追加 boolean要吗？
我的 Pandas 版本是:

In [2150]: pd.__version__
Out[2150]: '1.1.0'

Answer 1

当我将 boolean 值附加到它时，为什么它不会自动将列的 dtypes 更改为对象？
因为类型正在向上转换(请参阅 upcasting )，来自文档:

Types can potentially be upcasted when combined with other types,meaning they are promoted from the current type (e.g. int to float).

Upcasting 根据 numpy 规则工作:

Upcasting is always according to the numpy rules. If two differentdtypes are involved in an operation, then the more general one will beused as the result of the operation.

要了解如何应用 numpy 规则，您可以使用函数 find_common_type ， 如下:

res = np.find_common_type([bool, np.bool], [np.int32, np.int64])
print(res)

输出

int64