如何将缺少值的列转换为整数类型答案

【问题标题】：How to convert a column with missing value to integer type如何将缺少值的列转换为整数类型
【发布时间】：2019-05-09 16:04:38
【问题描述】：

我想将一列转换为整数，但问题是该列包含缺失值。该列可以很好地转换为浮点数，但不能转换为整数。

示例代码：

d2 = {'location': ['NY', 'NY', 'PA', 'NY', 'PA', 'PA', 'NY'], 'dep_name': ['hr', 'mk', 'fin', 'fin', 'hr', 'fin', 'fin'], 'Duration_of_Employment' : [10, 5, 9, 8, 2, 4, 7], 'Salary' : [50000, 86000,25000, 73000, 28000, 60000, 40000], 'Days_Since_Last_Promotion': ['61', '35', '25', '98', 'NaN', '45', '22']}
df2 = pd.DataFrame(data = d2)

df2['xy']  = df2['Days_Since_Last_Promotion'].astype(float)
df2['Months_Since_Last_Promotion'] = df2['xy'] // 30

现在“Months_Since_Last_Promotion”是浮点类型。但是当我尝试将其转换为整数时，出现以下错误。

df2['Months_Since_Last_Promotion'] = df2['Months_Since_Last_Promotion'].astype(int)

ValueError: 无法将 NA 转换为整数

从错误中，我认为它是由于缺少值 Nan 并尝试解决此问题。但它没有工作，'Months_Since_Last_Promotion' 仍然显示为 float64。

df2.loc[df2['Months_Since_Last_Promotion'].notnull(), 'Months_Since_Last_Promotion'] = df2.loc[df2['Months_Since_Last_Promotion'].notnull(), 'Months_Since_Last_Promotion'].astype(int)

注意：我不能使用 fillna 来替换 NaN。目标是将列保持为整数。

【问题讨论】：

不知道为什么你不能使用fillna，你能详细说明一下吗？
Convert Pandas column containing NaNs to dtype `int`的可能重复
要求是我们不想要 0 或 -1 或类似的东西来代替 NaN。但我想在最坏的情况下我会走那条路

标签： python python-3.x pandas integer

【解决方案1】：

其实是有办法的：
https://pandas.pydata.org/pandas-docs/stable/user_guide/integer_na.html

在你的情况下：

df2['Months_Since_Last_Promotion'] = pd.array(df2['Months_Since_Last_Promotion'], dtype=pd.Int64Dtype())

但是，需要注意的是，其他软件可能无法将此列识别为int 列。我认为这与 NaN 在 python 中是 float 有关。

【讨论】：

【解决方案2】：

默认情况下，包含NaN 值的数字列存储为浮点数（即使所有其他数字都是整数） - 这是因为 pandas 中的类型转换限制。这意味着如果您想保留NaN 而不填充缺失值，则可能无法将该列转换为整数（据我所知）。以下是文档的摘录：

"虽然 pandas 支持存储整数和布尔类型的数组，这些类型不能存储丢失的数据。直到我们可以切换到在 NumPy 中使用原生 NA 类型，我们已经建立了一些 “铸造规则”。当重新索引操作引入丢失数据时，该系列将根据表中介绍的规则进行投射下面。”

请参考：

https://pandas.pydata.org/pandas-docs/stable/missing_data.html#missing-data-casting-rules-and-indexing

【讨论】：