如何將帶有缺失值的 Pandas 列轉換為整數資料類型？

將 Pandas 缺少值的列轉換為整數

處理 Pandas 資料幀時，通常需要指定某些列的資料類型。但是，如果列包含缺失值或空值 (NaN)，則將其轉換為整數類型（例如“int”）可能會帶來挑戰。

遇到的問題：

為了示範這個問題，我們假設我們有一個從CSV 檔案讀取的Pandas 資料幀，其中包含一個名為「id 」的列，其中包含NaN。但是，我們需要將 'id' 列指定為整數類型。

錯誤訊息：

嘗試直接將'id' 列轉換為整數時在讀取CSV 檔案時，我們遇到以下錯誤：

df= pd.read_csv("data.csv", dtype={'id': int})
error: Integer column has NA values

或者，如果我們在讀取後嘗試轉換列類型CSV文件，我們得到：

df= pd.read_csv("data.csv")
df[['id']] = df[['id']].astype(int)
error: Cannot convert NA to integer

解決方案：

在Pandas 版本0.24 以上版本中，可以使用可空整數資料類型來表示缺失值的整數數據，用IntegerArray 實現。若要利用此功能：

1. 從 Pandas 匯入 IntegerArray 類別。

from pandas.arrays import IntegerArray

2. 建立具有所需資料類型的IntegerArray 對象，在本例中， Int64.

arr = pd.array([1, 2, np.nan], dtype=pd.Int64Dtype())

3. 使用astype(>使用astype(>使用astype( ) 將'id' 列轉換為IntegerArray。

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

透過利用可空整數資料類型， Pandas 可以處理缺失值的整數列，同時保持其預期的資料類型。

以上是如何將帶有缺失值的 Pandas 列轉換為整數資料類型？的詳細內容。更多資訊請關注PHP中文網其他相關文章！