您的整数越来越 upcasted
成浮动。如果可能，Pandas（和NumPy）将尝试将Series（或ndarray）制成单个数据类型。据我所知，没有详细记录向上转换的规则，但是您可以使用看到如何向上转换不同的类型
numpy.find_common_type。
您可以通过在调用apply之前将Dataframe强制转换为“ Object”类型来欺骗Pandas和NumPy保持原始数据类型，如下所示：
df['string_col'] = df[['int_col', 'float_col']].astype('O').apply(func, axis=1)让我们分解一下这里发生的事情。首先，我们做完后df会发生什么
.astype('O')？as_object = df[['int_col', 'float_col']].astype('O')print(as_object.dtypes)给出：
int_col objectfloat_col objectdtype: object
好的，现在两列都具有相同的dtype，即object。我们从之前知道
apply()（或者从Dataframe中提取一行的任何其他东西）都将尝试将两列转换为相同的dtype，但是它将看到它们已经相同，因此无需执行任何操作。
但是，我们仍然能够获得原始的整数和浮点数，因为它的
dtype('O')行为就像某种可以容纳任何python对象的容器类型。通常，当Series包含非混合类型（例如字符串和整数）或NumPy无法理解的任何python对象时，可以使用它。
