Wie gehe ich mit NaN-Werten um, wenn ich eine Pandas-Spalte in eine Ganzzahl konvertiere?

Verarbeitung von NaN-Werten beim Konvertieren von Pandas-Spalten in Ganzzahlen

Bei der Arbeit mit Pandas-Datenrahmen kann es vorkommen, dass Sie eine Spalte konvertieren müssen Enthält NaN-Werte für den Integer-Datentyp. Diese Konvertierung kann jedoch zu Fehlern führen, da Integer-Arrays standardmäßig keine fehlenden Werte verarbeiten können.

Ansätze zur Fehlerbehandlung

Sie haben zwei Ansätze zum Konvertieren der „id“ ausprobiert ' Spalte in Ganzzahl, aber beide haben zu Fehlern geführt:

• Umwandlung beim CSV-Lesen: Fehler: Ganzzahlspalte hat NA Werte
• Konvertierung nach CSV-Lesen: Fehler: NA kann nicht in Ganzzahl konvertiert werden

Lösung: Nullable Integer Data Type

Pandas Version 0.24 wird eingeführt das Konzept nullfähiger ganzzahliger Datentypen. Mit dieser Funktion können ganzzahlige Arrays fehlende Werte enthalten. So verwenden Sie diesen Ansatz:

import numpy as np

# Create a nullable integer array
arr = pd.array([1, 2, np.nan], dtype=pd.Int64Dtype())

# Create a Pandas Series from the array
series = pd.Series(arr)

Die resultierende Serie hat den D-Typ „Int64“ und lässt NaN-Werte zu:

>>> series
0      1
1      2
2    NaN
dtype: Int64

Pandas-Spalte konvertieren

So konvertieren Sie eine Pandas-Spalte in einen nullbaren Ganzzahl-D-Typ:

df['myCol'] = df['myCol'].astype('Int64')

Dies wird Konvertieren Sie die Spalte „myCol“ in einen ganzzahligen Datentyp, wobei fehlende Werte als NaN dargestellt werden.

Das obige ist der detaillierte Inhalt vonWie gehe ich mit NaN-Werten um, wenn ich eine Pandas-Spalte in eine Ganzzahl konvertiere?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!