将NaN转换为pandas Series中的int

Question

我在一个数据列里有缺失值，所以当我用命令 dataframe.colname.astype("int64") 时出现了错误。

有没有什么解决办法？

Answer 1

在使用 pd.Series 时，数据类型（dtype）对实际使用的影响很小。

你可以创建一个包含整数的 pd.Series，并把 dtype 设置为 object，这样你仍然可以对这个 pd.Series 做同样的操作。

不过，如果你手动设置了 pd.Series 的 dtypes，pandas 会开始转换 pd.Series 里的内容。根据我的经验，这样做只会让事情变得混乱。

不要把 dtypes 当作关系数据库中的字段类型，它们并不是同一回事。

如果你想在一个 pd.Series 中混合整数和 NaN 或 None，只需把 dtype 设置为 object。

把 dtype 设置为 float 可以让你同时拥有整数和 NaN 的浮点表示。但要记住，float 在表示上可能会有一些不准确的情况。

一个常见的陷阱是 dtypes 在 pd.merge 操作中，如果用于合并的键有不同的 dtypes，比如 int 和 object，即使 object 里只包含整数，合并也会悄悄失败。

其他解决方法

1. 你可以使用 Series.fillna 方法，用一些不太可能出现的值来填充你的 NaN 值，比如 0 或 -1。
2. 把 NaN 复制到一个新列中，像这样 df['was_nan'] = pd.isnull(df['floatcol'])，然后再使用 Series.fillna 方法。这样你就不会丢失任何信息。
3. 在调用 Series.astype() 方法时，给它加上关键字参数 raise_on_error=False，如果转换失败就使用当前的 dtype。因为 dtypes 其实并没有那么重要。

总结一下：

不要太关注“正确的 dtype”，dtypes 是很奇怪的。关注你希望这一列实际能做什么。 dtype=object 是可以的。