pd.read_csv 默认将整数视为浮点数

Question

我有一个csv，看起来像（标题 = 第一行）：

name,a,a1,b,b1
arnold,300311,arnld01,300311,arnld01
sam,300713,sam01,300713,sam01

当我跑步时：

df = pd.read_csv('file.csv')

a 和 b 列的末尾有一个 .0，如下所示：

df.head()

name,a,a1,b,b1
arnold,300311.0,arnld01,300311.0,arnld01
sam,300713.0,sam01,300713.0,sam01

a 和 b 列是整数或空白，那么为什么 pd.read_csv() 将它们视为浮点数，我如何确保它们在读取时是整数？

Answer 1

正如 cmets 中提到的root，这是 Pandas（和 Numpy）的限制。 NaN 是一个浮点数，CSV 中的空值是 NaN。

这也列在 pandas 的 gotchas 中。

您可以通过多种方式解决此问题。

对于下面的示例，我使用以下内容导入数据 - 请注意，我在 a 和 b 列中添加了一个空值的行

import pandas as pd
from StringIO import StringIO

data = """name,a,a1,b,b1
arnold,300311,arnld01,300311,arnld01
sam,300713,sam01,300713,sam01
test,,test01,,test01"""

df = pd.read_csv(StringIO(data), sep=",")

删除 NaN 行

您的第一个选项是删除包含此 NaN 值的行。这样做的缺点是您会丢失整行。将数据放入数据框后，运行以下命令：

df.dropna(inplace=True)
df.a = df.a.astype(int)
df.b = df.b.astype(int)

这会从数据框中删除所有 NaN 行，然后将列 a 和列 b 转换为 int

>>> df.dtypes
name    object
a        int32
a1      object
b        int32
b1      object
dtype: object

>>> df
     name       a       a1       b       b1
0  arnold  300311  arnld01  300311  arnld01
1     sam  300713    sam01  300713    sam01

用占位符数据填充NaN

此选项会将您的所有NaN 值替换为丢弃值。该值是您需要确定的。对于这个测试，我做了-999999。这将允许使用保留其余数据，将其转换为 int，并使哪些数据无效。如果您稍后基于列进行计算，您将能够过滤掉这些行。

df.fillna(-999999, inplace=True)
df.a = df.a.astype(int)
df.b = df.b.astype(int)

这会产生一个像这样的数据框：

>>> df.dtypes
name    object
a        int32
a1      object
b        int32
b1      object
dtype: object

>>> df
     name       a       a1       b       b1
0  arnold  300311  arnld01  300311  arnld01
1     sam  300713    sam01  300713    sam01
2    test -999999   test01 -999999   test01

保留浮点值

最后，另一种选择是保留浮点值（和NaN）而不用担心非整数数据类型。

Answer 2

使用 Pandas read_csv 将浮点数转换为整数值 - 工作 ===================================== ===============

# Importing the dataset
dataset = pd.read_csv('WorldWarWeather_Data.csv')
X = dataset.iloc[:, 3:11].values
y = dataset.iloc[:, 2].values
X=X.astype(int)
y=y.astype(int)