將 Pandas 列轉換為整數時如何處理 NaN 值？

將Pandas 列轉換為整數時處理NaN 值

使用Pandas 資料幀時，您可能會遇到需要轉換列的情況包含NaN 值的整數資料型態。但是，這種轉換可能會導致錯誤，因為預設情況下整數陣列無法處理缺失值。

錯誤處理方法

您已嘗試了兩種方法來轉換'id ' 列轉換為整數，但兩者都導致了錯誤：

• CSV 讀取期間的轉換：錯誤：整數列有NA 值
• CSV 讀取後轉換：錯誤：無法將NA 轉換為整數

解：可為空整數資料型別

Pandas 0.24 版本引進了可為空整數資料型別的概念。此函數允許整數數組包含缺失值。要使用此方法：

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)

產生的系列將具有「Int64」資料類型，並允許NaN 值：

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

轉換Pandas 欄位

要將Pandas 欄位轉換為可為空的整數資料類型：

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

這會將'myCol' 欄位轉換為整數資料類型，缺失值表示為NaN。

以上是將 Pandas 列轉換為整數時如何處理 NaN 值？的詳細內容。更多資訊請關注PHP中文網其他相關文章！