我希望我的所有数据帧，无论它们是从任何一个构造函数重载构建的，无论它们是从 .read_csv()、.read_xlsx()、.read_sql() 还是任何其他方法派生的，使用新的可空 Int64 datatype 作为所有整数的默认 dtype，而不是 int64。
如果没有“好”的方法，包括继承 DataFrame 或 Series 类，以及重新实现任意数量的方法和构造函数属性等，我愿意不顾一切地去做这件事。
我的问题是，可以做到吗？如果可以，我会怎么做？
【问题讨论】：
标签： python python-3.x pandas numpy
你可以使用这样的函数：
def nan_ints(df,convert_strings=False,subset = None):
types = ['int64','float64']
if subset is None:
subset = list(df)
if convert_strings:
types.append('object')
for col in subset:
try:
if df[col].dtype in types:
df[col] = df[col].astype(float).astype('Int64')
except:
pass
return df
它遍历每一列，如果它是 int，则将其转换为 Int64。如果它是浮点数，则只有当列中的所有值都可以转换为 NaN 以外的整数时，它才会转换为 Int64。我已经为您提供了将字符串转换为 Int64 的选项以及 convert_strings 参数。
df1 = pd.DataFrame({'a':[1.1,2,3,1],
'b':[1,2,3,np.nan],
'c':['1','2','3',np.nan],
'd':[3,2,1,np.nan]})
nan_ints(df1,convert_strings=True,subset=['b','c'])
df1.info()
将返回以下内容：
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4 entries, 0 to 3
Data columns (total 4 columns):
a 4 non-null float64
b 3 non-null Int64
c 3 non-null Int64
d 3 non-null float64
dtypes: Int64(2), float64(2)
memory usage: 216.0 bytes
如果你打算在每个 DataFrame 上使用它，你可以将函数添加到模块中，并在每次你想使用 pandas 时导入它。
from my_module import nan_ints
然后只需将其与以下内容一起使用：
nan_ints(pd.read_csv(path))
注意：可空整型数据类型是 0.24.0 版中的新增功能。 这是documentation。
【讨论】：
.astype('Int64')之前调用.astype(float)？
我会把钱花在猴子修补上。最简单的方法是修改 DataFrame 构造函数。应该是这样的：
import pandas
pandas.DataFrame.__old__init__ = pandas.DataFrame.__init__
def new_init(self, data=None, index=None, columns=None, dtype=pd.Int64Dtype(), copy=False):
self.__old__init__(data=data, index=index, columns=None, dtype=dtype, copy=copy)
pandas.DataFrame.__init__ = new_init
当然，你冒着打破世界的风险。祝你好运！
【讨论】：
pd.DataFrame 构造函数为每列推断dtype（如果未指定）。此解决方案将强制所有调用者显式传递 dtype=None 以模拟该行为，这可能会破坏库中的许多内置函数。