如果列包含 NaN，如何将其转换为 int？答案

【问题标题】：How can I convert a column to int if it contains NaNs?如果列包含 NaN，如何将其转换为 int？
【发布时间】：2019-03-23 20:58:00
【问题描述】：

我正在处理这个efw 数据框：

2   Year    ISO_Code    Countries   INDEX   Rank    Quartile
3   2016    ALB         Albania     7.54    34      1
4   2016    DZA         Algeria     4.99    NaN     4
5   2016    AGO         Angola      5.17    155     4
6   2016    ARG         Argentina   4.84    160     NaN
7   2016    ARM         Armenia     7.57    NaN     1
8   2016    AUS         Australia   7.98    10      1
9   2016    AUT         Austria     7.58    27      NaN

假设我想将Rank 和Quartile 列中的所有值转换为整数，如果它们不是NaN。我试过efw[["Year", "Rank", "Quartile"]].astype(int)，但一直收到这个错误：ValueError: cannot convert float NaN to integer

有没有办法告诉 Python “跳过”NaN 值，只将其他值转换为 int？

【问题讨论】：

使用isnull() 方法添加过滤器。
感谢@Prune 的建议！这条线会是什么样子？ efw.insnull(efw[["Year", "Rank", "Quartile"]].astype(int)) ?
efw[['Year', 'Rank', 'Quartile']].isnull()。或者，如果您想查看每列的 NaN 值总数，也可以使用 sum。就像efw.isnull().sum()
您当前的列 dtype 是什么？
它将在下一个版本的熊猫中出现。 pandas-docs.github.io/pandas-docs-travis/… 否则 np.nans 强制列为浮点数。

标签： python pandas integer nan

【解决方案1】：

您可以将它们转换为object

efw[["Year", "Rank", "Quartile"]].astype(object)
Out[58]: 
   Year Rank Quartile
0  2016   34        1
1  2016  NaN        4
2  2016  155        4
3  2016  160      NaN
4  2016  NaN        1
5  2016   10        1
6  2016   27      NaN

#efw[["Year", "Rank", "Quartile"]]=efw[["Year", "Rank", "Quartile"]].astype(object)

【讨论】：

【解决方案2】：

我刚刚复制了您的要求，这里有几种方法可以做到这一点，但是我看到您已经有一个整数值，只有缺少的地方为 NaN，您可以将其转换为 int 或说 zero 为那些都不见了。

    >>> efw
   Year ISO_Code  Countries  Index Rank Quartile
0  2016      ALB    Albania   7.54   34        1
1  2016      DZA    Algeria   4.99  NaN        4
2  2016      AGO     Angola   5.17  155        4
3  2016      ARG  Argentina   4.84  160      NaN
4  2016      ARM    Armenia   7.57  NaN        1
5  2016      AUS  Australia   7.98   10        1
6  2016      AUT    Austria   7.58   27      NaN

方法一

直接来自 pandas 文档，即使我们有更好的方法，Document Link For pandas.DataFrame.fillna

所以，由于您有多个列，但只想替换其中一部分中的 NaN，您可以使用，我会说最好将 NaN 替换为 0 而不是跳过空白..

>>> efw.fillna({'Rank':'0', 'Quartile':'0'}, inplace=False)
   Year ISO_Code  Countries  Index Rank Quartile
0  2016      ALB    Albania   7.54   34        1
1  2016      DZA    Algeria   4.99    0        4
2  2016      AGO     Angola   5.17  155        4
3  2016      ARG  Argentina   4.84  160        0
4  2016      ARM    Armenia   7.57    0        1
5  2016      AUS  Australia   7.98   10        1
6  2016      AUT    Austria   7.58   27        0

如果您想让更改在 DataFrame 中永久生效，那么您可以使用：

>>> efw.fillna({'Rank':'0', 'Quartile':'0'}, inplace=True)
>>> print(efw)

方法二

您可以使用apply 为您的列检查dtype 是否为数字dtype.kind，如下所示..

*dtype.kind:* A character code (one of ‘biufc’) identifying the general kind of data.

b boolean
i signed integer
u unsigned integer
f floating-point
c complex floating-point

因此，您可以将 apply 与 lambda 函数一起使用，如下所示..

 >>> efw.apply(lambda x: x.fillna(0) if x.dtype.kind in 'biufc' else x.fillna('0'))
   Year ISO_Code  Countries  Index Rank Quartile
0  2016      ALB    Albania   7.54   34        1
1  2016      DZA    Algeria   4.99    0        4
2  2016      AGO     Angola   5.17  155        4
3  2016      ARG  Argentina   4.84  160        0
4  2016      ARM    Armenia   7.57    0        1
5  2016      AUS  Australia   7.98   10        1
6  2016      AUT    Austria   7.58   27        0

方法3

或使用您的数据框，您只需使用DataFrame.fillna() 方法。这会将所有 NaN 转换为零，而与您拥有的列无关。

>>> efw.fillna(0)
   Year ISO_Code  Countries  Index Rank Quartile
0  2016      ALB    Albania   7.54   34        1
1  2016      DZA    Algeria   4.99    0        4
2  2016      AGO     Angola   5.17  155        4
3  2016      ARG  Argentina   4.84  160        0
4  2016      ARM    Armenia   7.57    0        1
5  2016      AUS  Australia   7.98   10        1
6  2016      AUT    Austria   7.58   27        0

注意：如果您想删除 NaN 并将其留空，您可以使用 fillna('') 而不是 fillna(0)。

【讨论】：