这是panda（支持整数NA）中的一个“陷阱”，其中带有NaN的整数列被转换为浮点数。
这种折衷主要是出于内存和性能的考虑，同时也是为了使生成的Series仍然是“numeric”。一种可能性是使用dtype=object数组。

我所寻找的答案与@Jeff在他的答案中所提出的略有不同，这要归功于他，以下是最后解决我问题的参考：

import pandas
df = pandas.DataFrame(data, columns=['a','b','c','d'], index=['x','y','z'])
df = df.fillna(0)
df = df.astype(int)
df.to_csv('test.csv', sep='\t')

问题是因为你是按行赋值的，但是数据类型是按列分组的，所以数据类型被强制转换成object数据类型，这不是一件好事，你会失去所有的效率。所以一种方法是根据需要将强制转换成float/int数据类型。
正如我们在另一个问题中所回答的，如果您一次性构建框架（或逐列构建），则不需要此步骤

In [23]: def convert(x):
   ....:     try:
   ....:         return x.astype(int)
   ....:     except:
   ....:         return x
   ....:     

In [24]: df.apply(convert)
Out[24]: 
    a   b   c   d
x  10  10 NaN  10
y   1   5   2   3
z   1   2   3   4

In [25]: df.apply(convert).dtypes
Out[25]: 
a      int64
b      int64
c    float64
d      int64
dtype: object

In [26]: df.apply(convert).to_csv('test.csv')

In [27]: !cat test.csv
,a,b,c,d
x,10,10,,10
y,1,5,2.0,3
z,1,2,3.0,4

如果您想保留导出的csv中的NaN信息，请执行以下操作：在这种情况下，我集中在C列。

df[c] = df[c].fillna('')       #filling Nan with empty string
df[c] = df[c].astype(str)      #convert the column to string 
>>> df
    a   b    c     d
x  10  10         10
y   1   5    2.0   3
z   1   2    3.0   4

df[c] = df[c].str.split('.')   #split the float value into list based on '.'
>>> df
        a   b    c          d
    x  10  10   ['']       10
    y   1   5   ['2','0']   3
    z   1   2   ['3','0']   4

df[c] = df[c].str[0]            #select 1st element from the list
>>> df
    a   b    c   d
x  10  10       10
y   1   5    2   3
z   1   2    3   4

现在，如果您将 Dataframe 导出为csv，列“c”将没有浮点值，NaN信息将保留。

最简单的解决方案是在pd.read_csv()中使用float_format：

df.to_csv('test.csv', sep='\t', na_rep=0, float_format='%.0f')

但这适用于 * 所有 * 浮点列。在Pandas1.1.5上使用您的代码，我的所有列都是float。
输出：

a   b   c   d
x   10  10  0   10
y   1   5   2   3
z   1   2   3   4

没有float_format：

a   b   c   d
x   10.0    10.0    0    10.0
y    1.0     5.0    2.0   3.0
z    1.0     2.0    3.0   4.0

只需将其作为字符串写入csv：

df.to_csv('test.csv', sep='\t', na_rep='0', dtype=str)

您可以使用astype（）指定每列的数据类型
例如：

import pandas
df = pandas.DataFrame(data, columns=['a','b','c','d'], index=['x','y','z'])

df = df.astype({"a": int, "b": complex, "c" : float, "d" : int})

您可以将DataFrame更改为Numpy数组作为解决方法：

np.savetxt(savepath, np.array(df).astype(np.int), fmt='%i', delimiter = ',', header= 'PassengerId,Survived', comments='')

这里还有另一个解决方案：

df['IntColumnWithNAValues'].fillna(0, inplace=True)

df['IntColumnWithNAValues'] = df['IntColumnWithNAValues'].astype(int)

df['IntColumnWithNAValues'].replace(0, '', inplace=True)

.csv文件不区分NA或''（空字符串），因为它是一个文本文件，所以您可以在将非空值转换为int时保留丢失的字段。
您可以对所需的每个列执行此操作;如果您有很多列，这可能是一个问题。