将浮点数转换为具有数字和 nan 的列的整数答案

【问题标题】：Convert floats to ints of a column with numbers and nans将浮点数转换为具有数字和 nan 的列的整数
【发布时间】：2020-08-26 00:04:39
【问题描述】：

我正在使用 Python 3.6 和 Pandas 1.0.3。

我想将浮点数从“A”列转换为 int...此列有一些 nan 值。

所以我跟着post 使用了@jezrael 的解决方案。

但我收到以下错误： “TypeError：不能安全地将非等效 float64 转换为 int64”

这是我的代码

import pandas as pd
import numpy as np

data = {'timestamp': [1588757760.0000, 1588757760.0161, 1588757764.7339, 1588757764.9234], 'A':[9087.6000, 9135.8000, np.nan, 9102.1000], 'B':[0.1648, 0.1649, '', 5.3379], 'C':['b', 'a', '', 'a']}
df = pd.DataFrame(data)
df['A'] = pd.to_numeric(df['A'], errors='coerce').astype('Int64')
print(df)

我错过了什么吗？

【问题讨论】：

标签： python-3.x pandas dataframe

【解决方案1】：

你的问题是你有 true 浮点数，而不是浮点形式的整数。因此出于安全原因，pandas 不会转换它们，因为您会获得 other 值。

所以您需要首先将它们明确地四舍五入为整数，然后才使用.astype() 方法：

df['A'] = pd.to_numeric(df['A'].round(), errors='coerce').astype('Int64')

测试：

print(df)

      timestamp     A       B  C
0  1.588758e+09  9088  0.1648  b
1  1.588758e+09  9136  0.1649  a
2  1.588758e+09   NaN           
3  1.588758e+09  9102  5.3379  a

【讨论】：

谢谢@MarianD。这个解决方案似乎给出了与“NYC Coder”相同的结果。值“nan”转换为“”。是否可以像原来一样将此值转换为“nan”？我将更新我的帖子以解释我通过您的解决方案得到的结果
@David，不。 nan 的数据类型为float64，并且一列中的所有数据必须是相同的数据类型； Int64 具有 NaN 值的数据类型是实验性的，可能会在未来的 pandas 版本中被删除。
有效。谢谢你的澄清。您的回答也很好，我得到的“”根本不烦人，因为我可以将它们视为空数据。非常感谢@MarianD！

【解决方案2】：

一种方法是将 NaN 转换为整数：

df['A'] = df['A'].fillna(99999999).astype(np.int64, errors='ignore')
df['A'] = df['A'].replace(99999999, np.nan)
df

    timestamp   A   B   C
0   1.588758e+09    9087    0.1648  b
1   1.588758e+09    9135    0.1649  a
2   1.588758e+09    NaN     
3   1.588758e+09    9102    5.3379  a

【讨论】：

df['A'] = df['A'].astype(np.int64, errors='ignore')
这不会将其更改为整数。这将忽略所有错误，包括 float 到 int 的转换错误。
确实如此。我想保留值'nan'。
检查编辑的答案。不幸的是，没有很好的方法来做到这一点。
谢谢@NYC Coder，我刚刚查过了。但它似乎不起作用，除非通过 df['A'] = df['A'].fillna(99999999).astype(np.int64, errors='ignore').astype('Int64') 更改以下行 df['A'] = df['A'].fillna(99999999).astype(np.int64, errors='ignore') 但并不完美，因为 nan 值已转换为