在熊猫数据框中使用替换方法时出现浮点类型答案

【问题标题】：float type appear when use replace method in pandas dataframe在熊猫数据框中使用替换方法时出现浮点类型
【发布时间】：2021-03-03 23:59:04
【问题描述】：

import pandas as pd
import numpy as np


df = pd.DataFrame(
    [
        [np.nan, 'None', 3],
        [np.nan, 5, 6],
        [7, 8, 9]
     ], columns=['a', 'b', 'c']
)

df.replace({np.nan: None}, inplace=True)
print(df)

df.replace({'None': None}, inplace=True)
print(df)

      a     b  c
0  None  None  3
1  None     5  6
2     7     8  9
     a    b  c
0  NaN  NaN  3
1  NaN  5.0  6
2  7.0  8.0  9

这是我的案例的小例子。我想将nan，“None”替换为None。所以我用了两次替换第一个替换方法像我想的那样工作得很好，但是 nan 在第二个替换中重生了，所有的 int 都因为 nan 而变成了 float。我不知道为什么 nan 重生 df.replace({'None': None}, inplace=True)，我该如何解决？

【问题讨论】：

如果df.replace({'None': np.nan}, inplace=True)怎么办？
你需要可以为空的 int dtype：df.replace({'None': None}).astype(pd.Int64Dtype()), docs
请问您为什么要使用 None 而不是 NaN？在大多数情况下，NaN 是指示 DataFrame 中缺失值的最佳方式。
@wwnde 它不起作用。
@anky 我最后只使用“Int64”。

标签： python pandas

【解决方案1】：

如果您想在具有nan 值的列中使用整数，则需要改用pd.NA。 nan 是一个浮点数，它将强制整数数组成为浮点数。查看documentation。

解决方案

df = pd.DataFrame(
    [
        [np.nan, None, 3],
        [np.nan, 5, 6],
        [7, 8, 9]
    ], 
    columns=['a', 'b', 'c'],
)

# replace np.nan with pd.NA
# then convert columns types to Int32
df.fillna(pd.NA).astype('Int32')

Out[11]:
      a     b  c
0  <NA>  <NA>  3
1  <NA>     5  6
2     7     8  9

【讨论】：

【解决方案2】：

我们可以把它改成object

out = df.replace({'None': None}).astype(object)
Out[10]: 
     a    b  c
0  NaN  NaN  3
1  NaN    5  6
2    7    8  9

【讨论】：

即使我不使用对象类型，您的回复也教会了我可变的方式。谢谢！

【解决方案3】：

听起来您希望列类型是整数而不是浮点数。您可以使用 pandas 版本 0.24.0 中引入的可为空整数 dtype。

对于常规整数 dtype 的列，如果它获得空值，则会自动转换为 float dtype。请注意，如果您使用 pandas 可为空的整数 dtype，该列将不会变为浮点数，并且空值将表示为 <NA> pandas.NA 值。

在docs 中了解更多信息。

【讨论】：

通过您的回复，我知道可以为空的整数类型。谢谢！