如何将整数类型数组（带有一些 NaN）转换为字符串类型数组答案

【问题标题】：How to convert integer type array (with some NaN) to string type array如何将整数类型数组（带有一些 NaN）转换为字符串类型数组
【发布时间】：2020-11-04 10:38:08
【问题描述】：

我有一个数组x，其中一个值是NaN。

x = [1, 2, NaN, 3, 5]

除了NaN，所有元素都是整数。该数组类型被视为 float64 而不是 int。

我想将类型从浮动转换为字符串。

我试过astype(str)。但这会产生小数点，例如x = [1.0, 2.0, NaN, 3.0, 5.0]

我试过astype(int).astype(str)。但是，在这种情况下，由于 NaN 元素，它不起作用。

那么，我如何将带有一些元素为 NaN 的整数数组转换为不带小数点的字符串类型？

感谢您的阅读。

import numpy as np
import pandas as pd

df = pd.DataFrame({'x' : [1,2, np.nan ,3,5]})

# df.dtypes

df['x'] = df['x'].astype(str)
# In this case, it make decimal point.

df['x'] = df['x'].astype(int).astype(str)
# It doesn't work due to NaN element.

【问题讨论】：

标签： python python-3.x pandas numpy

【解决方案1】：

import numpy as np
df1 = df.replace(np.nan, '', regex=True)

这可能会有所帮助。它将用空字符串替换所有 NaN。

【讨论】：

【解决方案2】：

您可以过滤掉 Nans 而不是用 '' 替换

filtered_df = df[df['x'].notnull()]

来源：Python pandas Filtering out nan from a data selection of a column of strings

【讨论】：

【解决方案3】：

不用担心 nan，您可以使用它来确保它不会影响您的操作。

df = pd.DataFrame({'x' : [1,2, np.nan ,3,5]})
df = df.convert_dtypes()

这使您可以使用 Nans，而无需 pandas 自动更改 dtype，并且它将列表中的项目保留为 ints。

【讨论】：

【解决方案4】：

import pandas as pd
import numpy as np

df = pd.DataFrame({'x' : [1,2, np.nan ,3,5]})
df.replace(np.nan,"nan",inplace=True)
df = pd.DataFrame(map(str,df['x'])

可能不是最优雅的解决方案，但可以完成工作。如果您有多个列，则可能需要使用 for 循环。

【讨论】：