将带有 String 的 Julia DataFrame 列转换为带有 Int 和缺失值的列

Question

我需要转换以下DataFrame

julia> df = DataFrame(:A=>["", "2", "3"], :B=>[1.1, 2.2, 3.3])

看起来像

3×2 DataFrame
│ Row │ A      │ B       │
│     │ String │ Float64 │
├─────┼────────┼─────────┤
│ 1   │        │ 1.1     │
│ 2   │ 2      │ 2.2     │
│ 3   │ 3      │ 3.3     │

我想将 A 列从 Array{String,1} 转换为包含缺失值的 Int 数组。

我试过了

julia> df.A = tryparse.(Int, df.A)
3-element Array{Union{Nothing, Int64},1}:
  nothing
 2
 3

julia> df
3×2 DataFrame
│ Row │ A      │ B       │
│     │ Union… │ Float64 │
├─────┼────────┼─────────┤
│ 1   │        │ 1.1     │
│ 2   │ 2      │ 2.2     │
│ 3   │ 3      │ 3.3     │

julia> eltype(df.A)
Union{Nothing, Int64}

但我得到一个包含Union{Nothing, Int64} 类型元素的列。

nothing（Nothing 类型）和missing（Missing 类型）似乎是两种不同的值。

所以我想知道如何使用 missing 值代替 A 列？

我也想知道missing 和nothing 是否会导致不同的性能。

Answer 1

我会做以下事情：

julia> df.A = map(x->begin val = tryparse(Int, x)
                           ifelse(typeof(val) == Nothing, missing, val)
                      end, df.A)
3-element Array{Union{Missing, Int64},1}:
  missing
 2
 3

julia> df
3×2 DataFrame
│ Row │ A       │ B       │
│     │ Int64⍰  │ Float64 │
├─────┼─────────┼─────────┤
│ 1   │ missing │ 1.1     │
│ 2   │ 2       │ 2.2     │
│ 3   │ 3       │ 3.3     │

我认为missing 更适合确实具有missing 值的数据帧，而不是nothing，因为后者更适合在C 中被视为void，或者在Python 中被视为None，@987654321 @。

附带说明，Missing 类型有一些 Julia functionalities。

Answer 2

用missing 替换nothing 可以简单地使用replace：

julia> df.A = replace(df.A, nothing=>missing)
3-element Array{Union{Missing, Int64},1}:
  missing
 2
 3

julia> df
3×2 DataFrame
│ Row │ A       │ B       │
│     │ Int64⍰  │ Float64 │
├─────┼─────────┼─────────┤
│ 1   │ missing │ 1.1     │
│ 2   │ 2       │ 2.2     │
│ 3   │ 3       │ 3.3     │

另一种解决方案是使用tryparsem 函数定义如下

tryparsem(T, str) = something(tryparse(T, str), missing)

并像使用它

julia> df = DataFrame(:A=>["", "2", "3"], :B=>[1.1, 2.2, 3.3])
julia> df.A = tryparsem.(Int, df.A)