怎么用Python实现Pandas对含有空值的整数列的非空类型转换？-Python教程-PHP中文网

astype(int)因底层c int不支持nan而必然报错；应改用可空整型"int64"（首字母大写），它原生支持pd.na，需pandas≥1.0且先清洗非数值干扰。

怎么用python实现pandas对含有空值的整数列的非空类型转换？

为什么 `astype(int)` 在含空值的列上会直接报错？

因为 Python 的 int 类型不支持 NaN，而 pandas 默认的整数列（如 int64）也不允许缺失值。一旦列里有 NaN 或 None，astype(int) 就会抛出 ValueError: Cannot convert non-finite values (NA, NaN, etc.) to integer。

这不是数据脏，是类型系统在拦你——得换能存空值的整数类型。

用 Int64（首字母大写）这类“可空整数类型”，它是 pandas 自带的 nullable integer dtype
别用 int64（小写），它和原生 NumPy 一样拒纳 NaN
Int64 底层用 pd.NA 表示缺失，不是 np.nan，但对用户透明

怎么安全地把含空值的列转成整数类型？

直接用 astype("Int64")（字符串形式）或 astype(pd.Int64Dtype())。前者更常用，也更健壮。

示例：

Python Sdk

inference.sh 的 Python SDK：运行 AI 应用、构建智能体，并集成 150 多个模型。包名：inferencesh (pip install inferencesh)。支持同步/异步……

下载

import pandas as pd
s = pd.Series([1, 2, None, 4])
s_converted = s.astype("Int64")  # ✅ 成功：类型为 Int64，值为 [1, 2, <na>, 4]
</na>

如果原始列是 float64 且含 np.nan，astype("Int64") 会自动把非空浮点数向下取整？不会——它只接受能无损转整数的值，比如 3.0 可以，3.7 会报错
想强制截断小数？先用 round() 或 astype(int)（对非空部分）再转 Int64，但要自己处理空值逻辑
列里混了字符串（如 "3"、""）？必须先清洗，astype("Int64") 不做隐式类型推断

遇到 `TypeError: object cannot be converted to an IntegerDtype` 怎么办？

这通常是因为列里有非数字对象（比如字符串 "missing"、字典、列表），或者空字符串 "" —— 它们无法被解释为数字，更别说整数了。

先用 s.apply(type).unique() 看看有哪些类型混进来了
用 pd.to_numeric(s, errors="coerce") 统一转成数值，非法值变 NaN，再接 astype("Int64")
空字符串要提前处理：s.replace("", pd.NA).astype("Int64")（注意：replace("", pd.NA) 比 replace("", np.nan) 更兼容 Int64

性能和兼容性要注意什么？

Int64 列比 int64 占更多内存，运算速度略慢，但这是为缺失支持付出的合理代价。

下游库（如 scikit-learn）通常不认 Int64，训练前得转回 float64 或用 .to_numpy(dtype="float64", na_value=np.nan)
写入 CSV 时，Int64 列里的 <na></na> 会自动输出为空字符串或 NaN（取决于 na_rep 参数），没问题；但写入 Parquet/Feather 时完全保留 <na></na>
别在 groupby 或 merge 中混用 int64 和 Int64 列——pandas 会静默转成 object，后续操作容易崩