看起来，当您访问df.iloc[0].c时，必须首先访问包含所有三列的df.iloc[0]。然后，df.iloc[0]强制转换为表示所有三列的类型，即numpy.float64。
有趣的是，我可以通过添加字符串列来避免这种情况。

df = pd.DataFrame(data=list(zip(*[np.random.randint(1,3,5), np.random.random(5)])), columns=['a', 'b'])
df['c'] = np.ceil(df.a/df.b).astype(int)
df['d'] = ['hi', 'bye', 'hello', 'cya', 'sup']

print(df.iloc[0].c)
print(type(df.iloc[0].c))

print(df.dtypes)

对于您的最后一个问题，您可以通过使用df.loc[0, 'c']而不是iloc来避免这种混乱。

import pandas as pd
import numpy as np

df = pd.DataFrame(data=list(zip(*[np.random.randint(1,3,5), np.random.random(5)])), columns=['a', 'b'])
df['c'] = np.ceil(df.a/df.b).astype(int)

print(df.loc[0, 'c'])

print(df.loc[0, 'c'].dtype)

15
int32

• 当我执行你的代码时，结果是这个 Dataframe ：

df
   a         b   c
0  1  0.315388   4
1  1  0.111275   9
2  1  0.251253   4
3  2  0.043162  47
4  1  0.047985  21

• 当我输入解释器df['c'].values时，我得到了这个：array([ 4, 9, 4, 47, 21])。这是所有c柱的值。
• 当我输入解释器df.iloc[0]时，我得到了 Dataframe 的第一行值：

a    1.000000
b    0.315388
c    4.000000
Name: 0, dtype: float64

"我们能注意到的"
所有的c列值都是整数，而所有的第一行值不是相同的类型，因为我们有两个整数和一个浮点值，这个事实非常重要。
实际上，根据定义，数组是a collection of elements of the same type。
因此，要表示整数值集合中的浮点数，必须转换为浮点数，以便所有元素都遵守此规则，因为浮点数可以包含整数，但反之则不成立。

结论

整数集合的类型为int...
浮点集合的类型为float...
至少包含一个浮点数的整数集合的类型转换为float...

引用

• “数组是一个概念，它将相同类型的不同项目存储在一起，并通过向基数添加偏移量，使计算每个元素的立场变得更容易。”（codeinstitute.net）*
  要检查并进一步执行

# case A : value 2 is an integer
mydict = [{'a': 1, 'b': 2, 'c': 3, 'd': 4},]
df = pd.DataFrame(mydict)

df.iloc[0]
a    1
b    2
c    3
d    4
Name: 0, dtype: int64

# case B : value '2' is a string
mydict = [{'a': 1, 'b': '2', 'c': 3, 'd': 4},]
df = pd.DataFrame(mydict)

df.iloc[0]
a    1
b    2
c    3
d    4
Name: 0, dtype: object

在情况A中，所有元素都是整数，因此dtype保持int...。
就像B集合包含一个不能是float...的字符串一样，所有元素都被转换为object类型。