将 Pandas 列转换为整数时如何处理 NaN 值？

将 Pandas 列转换为整数时处理 NaN 值

使用 Pandas 数据帧时，您可能会遇到需要转换列的情况包含 NaN 值的整数数据类型。但是，这种转换可能会导致错误，因为默认情况下整数数组无法处理缺失值。

错误处理方法

您已尝试了两种方法来转换 'id ' 列转换为整数，但两者都导致了错误：

• 在 CSV 读取期间进行转换：错误：整数列有NA 值
• CSV 读取后转换：错误：无法将 NA 转换为整数

解决方案：可空整数数据类型

Pandas 版本 0.24引入了可为空整数数据类型的概念。此功能允许整数数组包含缺失值。要使用此方法：

import numpy as np

# Create a nullable integer array
arr = pd.array([1, 2, np.nan], dtype=pd.Int64Dtype())

# Create a Pandas Series from the array
series = pd.Series(arr)

生成的系列将具有“Int64”数据类型，并允许 NaN 值：

>>> series
0      1
1      2
2    NaN
dtype: Int64

转换 Pandas 列

将 Pandas 列转换为可为空整数dtype:

df['myCol'] = df['myCol'].astype('Int64')

这会将 'myCol' 列转换为整数数据类型，缺失值表示为 NaN。

以上是将 Pandas 列转换为整数时如何处理 NaN 值？的详细内容。更多信息请关注PHP中文网其他相关文章！