应主动控制类型并优先使用保持 dtype 的原生方法，如用 convert_dtypes() 恢复可空类型、显式指定 'Int64'/'boolean' 等扩展类型，避免 astype() 对含 NaN 列的隐式降级。
在 pandas 的链式操作（method chaining）中，中间步骤容易丢失 dtype 信息，尤其是涉及 assign、pipe、filter 或自定义函数时。根本原因在于：某些操作会触发隐式类型推断（如 astype('object')），或返回新 DataFrame 而未保留原始列的 dtype（比如 pd.Series.astype() 在空 Series 或含 NaN 的整数列上降级为 float64）。要避免 dtype 丢失，关键是在关键节点主动控制类型、避免隐式转换，并优先使用能保持 dtype 的原生方法。
用 convert_dtypes() 主动恢复可空类型
pandas 1.0+ 引入的 convert_dtypes() 可将传统 dtype（如 int64 含 NaN 时自动转 float64）升级为支持缺失值的扩展类型（Int64、string、boolean 等）。它应在链中“数据清洗后、分析前”调用一次，尤其适合处理含缺失值的整数/布尔列：
df = (original_df
.dropna(subset=['age'])
.assign(age=lambda x: x['age'].round().astype('Int64')) # 显式用 Int64
.convert_dtypes(dtype_backend='numpy_nullable') # 统一转为可空类型
.query('age > 18'))
注意：convert_dtypes() 默认使用 'numpy_nullable' 后端，比 'pyarrow' 更轻量且兼容性更好；它不会改变已正确设置的 Int64 列，但会把 float64 含整数+NaN 的列转成 Int64。
避免 astype() 直接用于含 NaN 的整数列
直接写 .astype('int64') 遇到 NaN 会报错；而写 .astype('float64') 再转回整数会丢失精度或引入小数。正确做法是：
- 用
pd.Int64Dtype()或字符串'Int64'（首字母大写）声明可空整数类型 - 用
fillna().astype()+convert_dtypes()组合兜底 - 对布尔列，优先用
astype('boolean')而非'bool'
# ❌ 危险：含 NaN 时失败或静默转 float
# .assign(score=lambda x: x['score'].astype('int64'))
✅ 安全：显式指定可空类型
.assign(score=lambda x: x['score'].astype('Int64'))
✅ 兜底方案（当不确定是否含 NaN）
.assign(score=lambda x: x['score'].fillna(-1).astype('int64').replace(-1, pd.NA).astype('Int64'))
在 assign 和 pipe 中保留原始 dtype 意图
assign 新增列时，默认不继承旧列 dtype；pipe 调用外部函数时，若函数内部用了 pd.concat 或 pd.DataFrame() 构造新对象，极易重置 dtype。应对策略：
- 新增列时，显式调用
.astype()或.convert_dtypes()，不要依赖 pandas 自动推断 - 在
pipe函数末尾加df.convert_dtypes()，确保输出类型干净 - 避免在链中多次调用
copy()或pd.DataFrame(df)—— 它们会丢弃扩展 dtype 信息
def add_features(df):
return (df
.assign(
is_adult=lambda x: (x['age'] >= 18).astype('boolean'),
income_group=lambda x: pd.cut(x['income'], bins=3).astype('string')
)
.convert_dtypes()) # 关键：统一清理
df = original_df.pipe(add_features).query('is_adult')
检查与断言 dtype 稳定性（调试阶段）
链式操作越长，越难定位 dtype 哪步丢失。可在关键节点插入检查逻辑：
- 用
.dtypes打印或记录各阶段列类型 - 用
assert断言关键列 dtype，快速暴露问题 - 利用
pandas.api.types.is_integer_dtype()等工具函数做语义判断
df = (original_df
.assign(age=lambda x: x['age'].astype('Int64'))
.pipe(lambda df: (assert 'age' in df.select_dtypes('integer').columns,
"age column lost integer dtype!"); df))
.query('age > 0'))
生产环境可改用日志记录代替 assert，但开发期强烈建议加入断言。
