用浮点类型的 NaN 创建空 pandas DataFrame 的优雅方法答案

【问题标题】：Elegant way to create empty pandas DataFrame with NaN of type float用浮点类型的 NaN 创建空 pandas DataFrame 的优雅方法
【发布时间】：2015-07-15 04:59:46
【问题描述】：

我想创建一个用 NaN 填充的 Pandas DataFrame。在我的研究中，我发现了an answer：

import pandas as pd

df = pd.DataFrame(index=range(0,4),columns=['A'])

此代码生成一个填充了“object”类型的 NaN 的 DataFrame。因此它们不能在以后使用，例如 interpolate() 方法。因此，我用这个复杂的代码（灵感来自this answer）创建了DataFrame：

import pandas as pd
import numpy as np

dummyarray = np.empty((4,1))
dummyarray[:] = np.nan

df = pd.DataFrame(dummyarray)

这会产生一个填充了“float”类型的 NaN 的 DataFrame，因此它可以在以后与interpolate() 一起使用。有没有更优雅的方法来创建相同的结果？

【问题讨论】：

我必须输入 dummyarray = np.empty((4,1)) 才能工作

标签： python pandas numpy dataframe nan

【解决方案1】：

只需将所需的值作为第一个参数传递，例如0、math.inf 或这里的np.nan。然后构造函数初始化值数组并将其填充为参数index 和columns 指定的大小：

>>> import numpy as np
>>> import pandas as pd
>>> df = pd.DataFrame(np.nan, index=[0, 1, 2, 3], columns=['A', 'B'])

>>> df
    A   B
0 NaN NaN
1 NaN NaN
2 NaN NaN
3 NaN NaN

>>> df.dtypes
A    float64
B    float64
dtype: object

【讨论】：

也适用于 pd.Series。太棒了！

【解决方案2】：

你可以在构建DataFrame时直接指定dtype：

>>> df = pd.DataFrame(index=range(0,4),columns=['A'], dtype='float')
>>> df.dtypes
A    float64
dtype: object

指定 dtype 会强制 Pandas 尝试使用该类型创建 DataFrame，而不是尝试推断它。

【讨论】：

【解决方案3】：

希望这能有所帮助！

 pd.DataFrame(np.nan, index = np.arange(<num_rows>), columns = ['A'])

【讨论】：

【解决方案4】：

对于多列，您可以这样做：

df = pd.DataFrame(np.zeros([nrow, ncol])*np.nan)

【讨论】：

【解决方案5】：

你可以试试这行代码：

pdDataFrame = pd.DataFrame([np.nan] * 7)

这将创建一个大小为 7 且类型为浮点型 NaN 的 pandas 数据框：

如果您打印pdDataFrame，输出将是：

     0
0   NaN
1   NaN
2   NaN
3   NaN
4   NaN
5   NaN
6   NaN

pdDataFrame.dtypes 的输出也是：

0    float64
dtype: object

【讨论】：