将浮点值转换为 Pandas 数据框中的整数，同时忽略空值答案

【问题标题】：Convert float value to integers in Pandas dataframe while ignoring null values将浮点值转换为 Pandas 数据框中的整数，同时忽略空值
【发布时间】：2018-03-13 22:50:38
【问题描述】：

我有两个单独的 csv 文件读入 pandas 数据框。我已经做了一些清理工作，并按日期列加入了表格。我还有另一列名为“ExerciseTime”，并将导入的一天中锻炼时间的时间格式转换为浮点格式，即 22:30:00（晚上 10:30）到 22.5（浮点值）。

我想通过比较一天中的锻炼时间和睡眠质量来运行训练/测试拆分分析（这是我的 Garmin 连接数据和睡眠周期数据）。目前几乎没有准确性/相关性，但我怀疑如果我按小时将“ExerciseTime”列变成虚拟变量，它可能会有所帮助。我想将列中的所有值转换为整数值（向上和向下舍入）并希望忽略任何有空值的实例（我没有锻炼的日子）。我目前在使用以下公式时遇到错误：

JoinedTables = JoinedTables[JoinedTables.ExerciseTime.astype(int)]

忽略空值并将浮点值转换为整数的最佳方法是什么？

另外，如果有人知道用于此类数据的最佳类型模型预测器，我将不胜感激任何想法，因为我对此还是新手。我还有其他数据点，例如“总运动持续时间”、“如果我睡前饮酒”、“那天的运动类型”、“那天的月相”，我也想合并这些数据点，看看是否有任何统计数据严重影响我的睡眠质量。

【问题讨论】：

标签： python pandas train-test-split

【解决方案1】：

pd.to_numeric(col, errors='coerce') 应该可以解决问题：

JoinedTables['ExerciseTime'] = pd.to_numeric(JoinedTables['ExerciseTime'], errors='coerce')

【讨论】：

MaxU，该函数使我能够成功创建另一列，该列仅带来了来自 ExerciseTime 的值，该值具有值，但输出仍保持为浮点值。知道如何改变它吗？
@DomB，它将是 float，除非所有值都可以转换为整数。如果至少有一个值无法转换为int，那么它将是float。 int dtype 不能有 NaN 值...