使用“int”和“nan”元素将 Pandas 系列转换为“object”dtype [重复]答案

【问题标题】：Convert Pandas Series to 'object' dtype with `int` and `nan` elements [duplicate]使用“int”和“nan”元素将 Pandas 系列转换为“object”dtype [重复]
【发布时间】：2023-03-20 21:30:02
【问题描述】：

我有一个包含整数条目的系列，但也有一些空条目。它表示为带有dtype=float64 的系列。我想将其转换为带有dtype=object 的系列，其中整数条目存储为Python ints，空条目存储为np.nans。

我在下面有两次尝试。第一个不起作用，因为int（出乎意料？）仍然转换为float。第二个如我所愿。

s = pd.Series([1, np.nan])

s = s.astype(object)
i = s.notnull()
s[i] = s[i].astype(int)

type(s[0])

sn-p 以上返回float。 :(

s = pd.Series([1, np.nan])

s = s.astype(object)
i = s.notnull()
s[i] = list(s[i].astype(int))

type(s[0])

sn-p 以上返回int。 :)

为什么第一个例子不起作用，即使系列有dtype=object？转换为 list 似乎是一个非常奇怪的 hack 来让它工作，但我找不到任何其他方法来做到这一点。

在 Pandas 中有更简单的方法吗？

【问题讨论】：

我知道int 和NaN 的问题，并且ints 通常会转换为float 来处理缺失值。我希望通过将 dytpe 设置为 object 来解决它。第二个例子确实给了我想要的东西；我没有删除任何条目。第二个示例的结果等价于pd.Series([1, np.nan], dtype=object)。编辑：我正在回复的家长删除了他们的评论。
s.loc[i] = s[i].astype(int) 也可以。不知道为什么。

标签： python pandas na series

【解决方案1】：

关于在 Pandas 中是否有更简单的方法来执行此操作，从版本 0.24（2019 年 1 月）开始，您可以在 Series 具有整数值和缺失数据的情况下使用 nullable integers：

In [120]: s.astype('Int64')
Out[120]:
0      1
1    NaN
dtype: Int64

In [121]: type(s.astype('Int64')[0])
Out[121]: numpy.int64

In [122]: type(s.astype('Int64')[1])
Out[122]: float

【讨论】：

@jpp 答案并不相同，操作人员已努力调整每个答案。相反，您可以将问题作为重复项关闭投票。您还只需要发表一条评论，而不是在每个问题下都复制它。它近乎骚扰。
@YvetteColomb，很公平，我已经将这些投票给了一个已经处理旧版本的规范，将 ping fuglede 在那篇帖子上给出详细的答案。由于这个功能是实验性的，我们希望 API 不会改变，如果改变了，用户会很高兴地改变他们的六个帖子。
@fuglede，我已经将几个帖子作为this canonical 的副本进行了近距离投票。请在该重复目标上发布答案。特别是，this one 有很好的细节，应该在规范上引起更多的关注。
@jpp 我不确定您是否知道，但是在帖子下发布任何评论都会向该帖子的 OP 发出通知。此外，如果 API 发生更改，则不一定需要更新答案，可以发布新的更新帖子。该网站并非一成不变。
@YvetteColomb，我知道。但我觉得在每个可能的问答中都写一篇关于新功能的帖子有点奇怪（而且适得其反）除了人们将要接触/阅读的规范。