读取带有数值和缺失数据的 pandas 列作为字符串答案

【问题标题】：read pandas colum with number values and missing data as string读取带有数值和缺失数据的 pandas 列作为字符串
【发布时间】：2019-04-30 04:35:56
【问题描述】：

我的数据框中有一个 Id 列，如下所示：

a = pandas.DataFrame([12673, 44, 847])

此数据有一些缺失值。如果 I Keep_default_NA = True，那么缺失值用 NaN 填充，数据读取为 float，因此值会变为

12673.0 , 44.0, 847.0

这是不需要的（我想删除 NA 值并转换为 str/obj，因为 id 可以是任意长度）。如果我keep_default_NA = False，那么其他列（例如布尔值）都成为对象，我必须比较字符串值以找出真/假值。

【问题讨论】：

标签： python pandas

【解决方案1】：

如果你想要 NaN 值，你必须有浮点数。 https://stackoverflow.com/a/38003951/3841261

使用“keep_default_NA = True”，然后在删除 NaN 后，将该列转换为整数。

【讨论】：

【解决方案2】：

如果没有更好的数据样本，我无法确定，但也许这会有所帮助：

首先您读取保留 dtype 的数据，然后基本上再次读取它以获得正确的 id。~~如果您的布尔列也缺少值（空字符串），您将需要使用 @987654322 转换这些行@.~~

df1 = pd.read_csv("test.csv", keep_default_na=True).dropna()
df2 = pd.read_csv("test.csv", keep_default_na=False)
df1["id"] = df2.loc[df1.index]["id"]
df = pd.DataFrame(df1.to_dict())

如果您不想读两次，可以使用keep_default_na=False 读入，然后过滤掉带有空字符串的行并将每一列转换为所需的dtype 或df = pd.DataFrame(df1.to_dict())。

【讨论】：