解决为什么直接用下标来替换DataFrame里面的值时所属类型是Object而不是Int:
问题描述：
上课时我们判断“体育”列中的数据是否均为int格式，如果不是int类型的话我们应该用0去替换不是int格式的值，当我们直接用下标，即用以下方法实现时：

然后我们使用df1.体育输出结果时，我们可以看到下图中虽然把体育这一列中的“作弊”换成了我们想要替换的0，但是当我们看它的数据类型时我们会发现是Object而不是Int类型的；

解决过程：
1.在上面的代码块执行完成后，我们不执行df1.体育输出结果时，我们就会看到会有报错，报错内容如下图：

所以我就觉得问题会出现在这里，我们可以根据提示的内容进入到提示网页里面，查找到SettingWithCopyWarning有关的内容，地址：https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
这里提到一个关键词那就是chained indexing（链接索引）：这就是出现警告的原因, 我们在使用pandas中要极力避免出现chained index；
它里面还有一个例子，我们就用我们上课时的这个例子和大家讨论一下什么是chained indexing（链接索引）吧！
2.当我看了这篇提示网页之后，我把代码块中的df1[‘体育’][list(df1[‘体育’]).index(i)]=0替换为了df1.loc[list(df1[‘体育’]).index(i),‘体育’] = 0，这样我们再来看的话就没有之前的提示报错了，而且也达到了我们的目的（即替换“体育”列中非int类型的数据并且输出结果类型为int类型的），输出的结果如下图所示：

3.虽然这两者都会产生相同的结果，但是它们之间还是很大的不同的，下面我们就来具体讨论一下这两种方法：
df1[‘体育’][list(df1[‘体育’]).index(i)]=0：这种方法其实是分两个独立事件去完成的，一个事情接着一件事情发生，df1[‘体育’]返回的是选择列的第一级并返回一个单独索引的DataFrame。然后另一个Python操作df1_with_体育[list(df1[‘体育’]).index(i)]选择索引的系列’ list(df1[‘体育’]).index(i)’。这由变量指示，df1_with_体育因为Pandas将这些操作视为单独的事件。例如，对的单独调用__getitem__，因此必须将它们视为线性运算，它们接连发生。
df1.loc[(list(df1[‘体育’]).index(i),‘体育’)] = 0：与此相反df1.loc[(list(df1[‘体育’]).index(i), ‘体育’)]，则将嵌套的元组 (slice(None),( (list(df1[‘体育’]).index(i), ‘体育’)) 传递给单个调用 getitem。这使Pandas可以将其作为一个整体来处理。
4.其实在这里所提到的第一种方式即就是我们之前所提到的chained indexing（链接索引），而chained indexing（链接索引）会造成警告？
#第二种访问方式(推荐方式)
df1.loc[(list(df1[‘体育’]).index(i),‘体育’)] = 0
dfmi.loc[:, (‘one’, ‘second’)] = value
#其实在编译器中是这样操作的
df1.iloc.setitem((slice(None), (list(df1[‘体育’]).index(i), ‘体育’)), value)

#第一种访问方式chained indexing
df1[‘体育’][list(df1[‘体育’].index(i))] = 0
#其实在编译器中是这样操作的
df1.getitem(‘体育’).setitem( list(df1[‘体育’].index(i)), 0)
问题的关键就出在这里的__getitem__上, 因为我们很难预测到这里的__getitem__返回的是一个视图或是一个copy, 因为我们无法确定__setitem))修改的到底是真实的df1或是暂时的copy副本, 这就是SettingWithCopy想要警告我们的.到此问题就算是解决了, 出现警告的原因在于无法预测到底修改的是视图还是副本. 这大概也是我所认为它为什么是Object而不是Int类型的原因，dfmi.loc保证是dfmi本身伴随修改索引行为, 所以df1.loc.__getitem__和df1.loc__setitem__方法一定是直接作用在df1上的. 当然df1.loc.getitem(idx)就无法预测到时作用在视图上或是副本上了.
解决方案：
使用 DafaFrameming.loc[行名, 列名] = 值 的方式去赋值, 而不是使用DataFrame[][]的形式去赋值.其实在本题中(list(df1[‘体育’]).index(i)虽然是’体育’这一列的索引，也可以说是这一列的下标，但同时应该也是这一个DataFrame的行名。