为什么 pd.concat 将结果类型从 int 更改为 object？

Question

我正在用 Pandas 解析几个 csv 文件并将它们连接成一个大数据帧。然后，我想groupby计算mean().

这是一个示例数据框：

df1.head()

   Time  Node  Packets

0     1     0        0

2     1     1        0

4     1     2        0

6     1     3        0

8     1     4        0

df1.info(verbose=True)

<class 'pandas.core.frame.DataFrame'>

Int64Index: 27972 entries, 0 to 55942

Data columns (total 3 columns):

Time       27972 non-null int64

Node       27972 non-null int64

Packets    27972 non-null int64

dtypes: int64(3)

memory usage: 874.1 KB

None

然后我将它们连接起来（为了简单起见，三个数据帧）

df_total = pd.concat([df1, df2, df3])

df_total.info(verbose=True) 结果是

<class 'pandas.core.frame.DataFrame'>

Int64Index: 83916 entries, 0 to 55942

Data columns (total 3 columns):

Time       83916 non-null object

Node       83916 non-null object

Packets    83916 non-null object

dtypes: object(3)

memory usage: 2.6+ MB

None

最后，我尝试：

df_total = df_total.groupby(['Time'])['Packets'].mean()

这就是错误pandas.core.base.DataError: No numeric types to aggregate出现的地方。

虽然我从其他职位如明白这是熊猫改变dtype因为non-null，我无法解决提出的解决方案我的问题。

我该如何解决？

Answer 1

我发现另一篇文章提到数据帧必须用 dtype 初始化，否则它们是对象类型Did you initialize an empty DataFrame first and then filled it? If so that's probablywhy it changed with the new version as before 0.9 empty DataFrames were initialized&nbsp;to float type but now they are of object type. If so you can change the&nbsp;initialization to DataFrame(dtype=float).所以我添加df_total = pd.DataFrame(columns=['Time', 'Node', 'Packets'], dtype=int)到我的代码中并且它起作用了。