如何在 Pandas DataFrame 中保留缺失值的整数数据类型？

ndarray 与 DataFrame：使用 NaN 保留整数类型

对于维护 DataFrame 中整数类型列的完整性至关重要的操作场景在容纳缺失值的同时，会出现固有的挑战。 NumPy 数组是 Pandas DataFrames 中的基础数据结构，它对数据类型施加限制，特别是在整数元素和 NaN 值的共存方面。

NaN 困境

NumPy 的无法在整数数组中表示 NaN 源于设计限制。这在希望保留整数数据类型的场景中提出了一个难题。

尝试和不一致

已经做出了规避这一限制的努力，例如利用带有 coerce_float=False 的 from_records() 函数并尝试使用 NumPy 掩码数组。然而，这些方法始终将列数据类型转换为浮点数。

当前的解决方案和限制

在 NumPy 对缺失值的处理方面取得进展之前，仍然有有限的选择。一种潜在的解决方法是用哨兵值替换 NaN，例如任意选择的与有效数据不同的大整数，可用于识别处理过程中丢失的条目。

或者，最新版本的 pandas 中采用的解决方法（0.24 起）是使用 Int64 扩展 dtype（大写“Int”）而不是默认的 int64（小写）。 Int64 支持可选的整数 NA 值，为该特定问题提供了解决方法。

以上是如何在 Pandas DataFrame 中保留缺失值的整数数据类型？的详细内容。更多信息请关注PHP中文网其他相关文章！