我想在www.example.com _csv（）的帮助下从我的数据中生成一个.txt输出pd.to。我已经创建了一个包含我数据列的字典，然后我将它转换为pandas df。但是在这一步，以及后续的.to_csv（），我注意到我的中间列的数据从int转换为float。下面是我得到的df：

Type      Raw data  Clean data
0                     Number of Reads:  8.044857e+07    80054190
1                           Data Size:  8.044857e+09  8005419000
2                            N of fq1:  2.097854e+06        4977
3                            N of fq2:  5.575130e+05      211801
4                        GC(%) of fq1:  5.042000e+01       50.44
5                        GC(%) of fq2:  5.088000e+01       50.88
6                       Q20(%) of fq1:  9.662000e+01       96.67
7                       Q20(%) of fq2:  9.429000e+01        94.3
8                       Q30(%) of fq1:  8.769000e+01       87.74
9                       Q30(%) of fq2:  8.429000e+01        84.3
10         Discard Reads related to N:  1.696530e+05            
11  Discard Reads related to low qual:  1.971880e+05            
12   Discard Reads related to Adapter:  2.753500e+04

字符串
为此，我用这个方法来实现：

data_raw_fq = [raw_reads, data_raw, n_raw_fq1, n_raw_fq2, gc_raw_fq1, gc_raw_fq2,
                    q20_raw_fq1, q20_raw_fq2, q30_raw_fq1, q30_raw_fq2, discard_n,
                    discard_low, discard_adapter]

data_clean_fq = [clean_reads, data_clean, n_clean_fq1, n_clean_fq2, gc_clear_fq1,
                      gc_clear_fq2, q20_clear_fq1, q20_clear_fq2, q30_clear_fq1, q30_clear_fq2,
                      "", "", ""]

row_names = ["Number of Reads:", "Data Size:", "N of fq1:", "N of fq2:", "GC(%) of fq1:", "GC(%) of fq2:",
                  "Q20(%) of fq1:", "Q20(%) of fq2:", "Q30(%) of fq1:", "Q30(%) of fq2:",
                  "Discard Reads related to N:", "Discard Reads related to low qual:",
                  "Discard Reads related to Adapter:"]

df_data = {
    'Type': row_names,
    'Raw data': data_raw_fq,
    'Clean data': data_clean_fq
}

QC_data = pd.DataFrame.from_dict(df_data)

型
在字典中，这里是所有的数据，我想在df中看到：

data_raw_fq
[80448566, 8044856600, 2097854, 557513, 50.42, 50.88, 96.62, 94.29, 87.69, 84.29, 169653, 197188, 27535]

data_clean_fq
[80054190, 8005419000, 4977, 211801, 50.44, 50.88, 96.67, 94.3, 87.74, 84.3, '', '', '']

型
正如你所看到的，在最后一列中，所有的数据都像我想要的那样出现。有些值是float，有些是int。在中间列中，数字和它们的数据类型是相同的。
你能帮助我，如何实现相同的外观？
谢谢你，谢谢

更新##

所以我发现在我的“原始数据”列表中有int和float，但在“干净数据”中也有int，float和str。因此，当我创建pandas df时，发生了以下情况：

print(QC_data.dtypes)
Type           object
Raw data      float64
Clean data     object
dtype: object

型
我想，为什么不把第二列的dtype也修改为object呢？如果我将第二列转换为object，它仍然保留小数，所以我在df的末尾添加了一个空行，这样我的所有列都包含：int，float和str。因此，我的所有列都被定义为对象。
保存了这个df后，我得到了我想要的外观！
这里需要注意的是，当我想再次读取这个文件时，我必须定义dtype！像这样：

data = pd.read_csv("file.txt", sep="\t", dtype=str)

型