如何将整数转换为 np.object？

Question

是的，我完全知道isinstance(-1, np.object) 返回True。

但是，-1 != "-1"（显然）这是我的问题。

我从一个 CSV 文件中读取了一个 DataFrame，其中 -1 用于表示丢失的数据：

Numbers,Strings
1,A
2,-1
-1,B

和read_csv 产生：

   Numbers Strings
0        1       A
1        2      -1
2       -1       B

dtypes

Numbers     int64
Strings    object
dtype: object

我有一个missing_value 变量，即-1 和

>>> missing_value = -1
>>> for c in z.columns:
      print(c,(z[c] == missing_value).sum())
Numbers 1
Strings 0
>>> (z.Strings == str(missing_value)).sum()
1

我明白为什么会发生这种情况。 我的问题是如何修改循环以便 DTRT：

for c in z.columns:
   print(c,(z[c] == (missing_value if np.issubdtype(z[c].dtype,np.number) else str(missing_value))).sum())
Numbers 1
Strings 1

这真的是正确的方法吗？

附言。额外的约束：

1. 我无法控制 CSV 文件格式。
2. CSV 很大，我宁愿对missing_value 进行操作，也不愿对整个表进行操作。
3. 缺少某些字段（例如 ""），这在语义上与 -1 不同，因此不能将 na_values=-1 传递给 read_csv。
4. 实际上我不只是计算缺失值，我将df[c] 和missing_value 传递给函数do_complicated_analysis_on_a_series。

Answer 1

我们可以通过isin修复您的输出

df.isin([-1,'-1']).sum()

Out[276]: 
Numbers    1
Strings    1
dtype: int64

Answer 2

如何将对象列和数字列分开并区别对待？

part1 = (z.loc[:, z.dtypes != np.object] == -1).sum()
#Numbers    1
#dtype: int64
part2 = (z.loc[:, z.dtypes == np.object] == str(-1)).sum()
#Strings    1
#dtype: int64

如有必要，可以将结果连接到一个数据帧中。

np.concat([part1, part2])