在索引和插入行时防止强制熊猫数据帧

Question

我正在处理熊猫数据帧的各个行，但是在索引和插入行时遇到强制问题。熊猫似乎总是想将int / float混合类型强制转换为全浮点类型，而且我看不到对此行为有任何明显的控制。

例如，这是一个带有aas int和bas 的简单数据框float：

import pandas as pd
pd.__version__  # '0.25.2'

df = pd.DataFrame({'a': [1], 'b': [2.2]})
print(df)
#    a    b
# 0  1  2.2
print(df.dtypes)
# a      int64
# b    float64
# dtype: object

在索引一行时，这是一个强制问题：

print(df.loc[0])
# a    1.0
# b    2.2
# Name: 0, dtype: float64
print(dict(df.loc[0]))
# {'a': 1.0, 'b': 2.2}

这是插入一行时的强制问题：

df.loc[1] = {'a': 5, 'b': 4.4}
print(df)
#      a    b
# 0  1.0  2.2
# 1  5.0  4.4
print(df.dtypes)
# a    float64
# b    float64
# dtype: object

在这两种情况下，我都希望a列保留为整数类型，而不是被强制转换为浮点类型。

Answer 1

经过一番挖掘，这里有一些非常丑陋的解决方法。（更好的答案将被接受。）

这里发现的一个怪癖是非数字列停止强制转换，因此以下是如何将一行索引到 a dict：

dict(df.assign(_='').loc[0].drop('_', axis=0))
# {'a': 1, 'b': 2.2}

插入一行可以通过创建一个包含一行的新数据框来完成：

df = df.append(pd.DataFrame({'a': 5, 'b': 4.4}, index=[1]))
print(df)
#    a    b
# 0  1  2.2
# 1  5  4.4

这两个技巧都没有针对大数据帧进行优化，所以我将非常感谢更好的答案！