在熊猫系列中将NaN转换为int

Question

我在一系列的列中缺少值，因此命令dataframe.colname.astype("int64")会产生错误。

任何解决方法？

Answer 1

pd.Series的数据类型或dtype对其使用的实际方式几乎没有影响。

您可以有整数pd.Series，并将dtype设置为object。你仍然可以用pd.Series做同样的事情。

但是，如果您手动设置dtypes的pd.Series，则熊猫将开始在pd.Series内投射条目。根据我的经验，这只会导致混淆。

不要试图在关系数据库中使用dtypes作为字段类型。它们不是同一件事。

如果你想要有 s/None s在pd.Series混合，只需将dtype设置为object。

设置的dtype到float会让你有int小号float陈述和NaN S混合。但请记住，float s为容易被unexact in their representation

与dtypes一个常见的错误，我应该提到的是pd.merge操作，这会悄悄地拒绝加入时使用的键有不同的dtypes，例如int VS object即使object只包含int s。

其他解决方法

1. 您可以使用Series.fillna method的东西不可能填补你的NaN值。 0或-1。
2. 将NaN s复制到新列df['was_nan'] = pd.isnull(df['floatcol']),然后使用Series.fillna method。这样你就不会丢失任何信息。
3. 当调用Series.astype()方法时，请为其指定关键字参数raise_on_error=False，如果失败，请使用当前的dtype。因为dtypes并不重要。

TLDR;

不要专注于'正确的dtype'，dtypes很奇怪。专注于您想要列实际执行的操作。 dtype=object很好。