我正在对Pandas Dataframe 进行一些操作，具体来说：

• 删除列
• 使用dataframe.apply()函数基于现有列添加列

下面是我能够创建的最简单的测试用例：

import pandas as pd

df = pd.DataFrame(
    [["Fred", 1, 44],
     ["Wilma", 0, 39],
     ["Barney", 1, None]],
    columns=["Name", "IntegerColumn", "Age" ])

def translate_age(series):
    if not np.isnan(series['Age']):    
        series["AgeText"] = "Over 40" if series["Age"] > 40 else "Under 40"
    else:
        series["AgeText"]  = "Unknown"
    return series
    
df = df.drop('Name', axis=1)
print('@ before', df['IntegerColumn'].dtypes)
df = df.apply(func=translate_age, axis=1)
print('@ after', df['IntegerColumn'].dtypes)

print()输出显示了IntegerColumn类型的变化。它以整数开始：

@ before int64

...然后在apply()调用之后，它将变为浮点型：

@ after float64

最初， Dataframe 如下所示：

Name  IntegerColumn   Age
0    Fred              1  44.0
1   Wilma              0  39.0
2  Barney              1   NaN

...在apply()调用之后，它看起来像这样：

IntegerColumn   Age   AgeText
0            1.0  44.0   Over 40
1            0.0  39.0  Under 40
2            1.0   NaN   Unknown

为什么在这种情况下IntegerColumn会从整型变为浮点型？我怎样才能阻止它这样做？