如何将 Pandas 数据帧整数列中的 NaN 处理到 postgresql 数据库答案

【问题标题】：How to handle NaNs in pandas dataframe integer column to postgresql database如何将 Pandas 数据帧整数列中的 NaN 处理到 postgresql 数据库
【发布时间】：2018-10-29 01:04:59
【问题描述】：

我有一个带有“年”列的熊猫数据框。但是，由于外部合并，某些行具有 np.NaN 值。因此，pandas 中列的数据类型转换为 float64 而不是整数（整数不能存储 NaN？）。接下来，我想将数据框存储在 postGreSQL 数据库中。为此我使用：

df.to_sql()

一切正常，但我的 postGreSQL 列现在类型为“双精度”，并且 np.NaN 值现在为 [null]。这一切都是有道理的，因为输入列类型是 float64 而不是整数类型。

我想知道是否有一种方法可以将结果存储在带有 [nans] 的整数类型列中。

例如Notebook

阿米的回答结果：

【问题讨论】：

试试df.astype(object).to_sql()再试一次？
@coldspeed 更改表架构 - 不确定是否有必要。
@AmiTavory 如果架构已经定义，那么我不这么认为。顺便说一句，fillna 不会灰心的... :)
@coldspeed 哦，很好 - 错过了。会更新。谢谢！
@coldspeed，结果在 postgreSQL 中仍然是双精度的。我在我的问题中添加了一个笔记本，以检查我的实现是否错误。

标签： postgresql pandas null integer nan

【解决方案1】：

（整数不能存储 NaN？）

不，他们不能。如果你看postgresql numeric documentation，你可以看到字节数和范围是完全指定的，整数不能存储这个。

在这种情况下，一个常见的解决方案是按照惯例确定某个数字在逻辑上是 nan。在您的情况下，如果是年份，您可能会选择一个负值（或仅 -1）。在写之前，你可以使用

df.year = df.year.fillna(-1).astype(int)

或者，您可以将另一列定义为year_is_none。

或者，您可以将它们存储为浮点数。

这些解决方案在内存方面的效率从最高到最低。

【讨论】：

【解决方案2】：

你应该使用它；

df.year = df.year.fillna(-1) OR 0

【讨论】：