pandas 2.x中int64/boolean/string等nullable类型通过pd.na替代np.nan，避免整数列因缺失值升格为float64，解决语义错乱、计算失效和布尔列崩塌问题，并需配合pyarrow后端才能发挥内存与性能优势。
因为整数列加个缺失值就变float64，这种“类型污染”在Pandas 2.x里能被彻底避免——前提是你用对了nullable类型。
Int64/boolean/string这些大写类型到底解决了什么问题
传统 int64 列只要出现一个缺失值，Pandas 就必须升格为 float64（因为 np.nan 是浮点数）。这带来三个硬伤：
- 语义错乱：用户ID变成
1001.0，后续用作索引或拼接时可能报错 - 计算失效：整数位运算（
&、^）在float64上直接不支持 - 布尔列崩塌：含缺失的布尔列会退化成
object，内存暴涨、速度骤降
而 Int64、boolean、string 这类 nullable 类型，底层用 pd.NA 表示缺失，不依赖 np.nan，因此：
-
df["id"].sum()返回整数（自动跳过pd.NA） -
df["flag"].astype(bool)不再因缺失值报错 -
df["name"].str.upper()对pd.NA返回<na></na>，不会抛异常
convert_dtypes()不是万能钥匙，它只对“看起来像整数的float列”生效
convert_dtypes() 确实能一键转类型，但它的推断逻辑有明确边界：
- 只识别
[1.0, 2.0, NaN]这种“纯整数形态的float列”，转成Int64 - 遇到
["1", "2", "missing"]这种混合字符串，会直接转成string，而不是报错——你得自己检查是否漏了清洗步骤 - 若原列是
object且含"NaN"字符串（不是np.nan），它完全无感
更稳妥的做法是显式指定：
df = pd.read_csv("data.csv", dtype={"age": "Int64", "active": "boolean"})
或读入后强制转换：
df["score"] = df["score"].fillna(pd.NA).astype("Int64")
PyArrow后端让nullable真正高效，但必须主动启用
Pandas 2.x 默认仍用 NumPy 后端，string 或 Int64 类型只是“语法糖”，内存和性能优势没释放。要真正受益，必须激活 PyArrow：
- 全局启用：
pd.options.mode.dtype_backend = "pyarrow" - 读CSV时指定：
pd.read_csv("data.csv", dtype_backend="pyarrow") - 单列声明：
dtype={"name": "string[pyarrow]"}
注意：df["col"].astype("string") ≠ "string[pyarrow]"——前者仍是基于 NumPy 的 StringDtype，内存节省有限；后者才启用 Arrow 的连续内存块 + 位图空值标记，百万行字符串内存可降 80%。
pd.NA 和 np.nan 混用会静默失败或报错
这是最易踩的坑：
- 对
Int64列执行df.loc[0, "age"] = np.nan，Pandas 会自动转成pd.NA（表面没问题） - 但反过来，
df["age"].fillna(np.nan)会直接报错：Cannot convert np.nan to integer - 正确写法只能是：
df["age"].fillna(pd.NA)或df["age"].replace(np.nan, pd.NA)
真正麻烦的是已有代码大量使用 np.nan，升级到 nullable 类型时，所有 fillna / replace / isna 判断都得重新审视——isna() 虽兼容，但 == np.nan 这种写法永远返回 False，必须改用 isna()。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
