当前位置:

首页 > 编程开发 > Pandas处理含None的整数数组技巧

Pandas处理含None的整数数组技巧

在Pandas中,当数组包含None值并加载到DataFrame列时,整数通常会被自动转换为浮点数(NaN)。本文将介绍如何利用Pandas1.0及更高版本引入的pd.NA和Int64Dtype,优雅地解决这一问题,从而在包含缺失值的同时保持列的整数类型,避免不必要的类型转换。

本文目录

    Pandas中处理含None值的整数数组:保持整数类型而非自动转换为浮点数

    在Pandas中,当数组包含None值并加载到DataFrame列时,整数通常会被自动转换为浮点数(NaN)。本文将介绍如何利用Pandas 1.0及更高版本引入的pd.NA和Int64Dtype,优雅地解决这一问题,从而在包含缺失值的同时保持列的整数类型,避免不必要的类型转换。

    1. 问题背景:Pandas的默认类型推断

    在处理包含缺失值的数值数据时,Pandas的默认行为可能会导致数据类型发生意外转换。具体来说,当一个数组中同时存在整数和None(或np.nan)时,Pandas为了保持列内数据类型的一致性,会将整个列转换为浮点数类型。这是因为传统的整数类型(如int64)无法表示缺失值,而浮点数类型可以表示NaN(Not a Number)。

    考虑以下示例,一个包含None和整数的列表被加载到Pandas DataFrame中:

    import pandas as pd
    
    the_array = [None, None, None, 101, 555, 756, 924, 485]
    
    df = pd.DataFrame(columns=['request'])
    df['request'] = the_array
    
    print(df)
    print(df.dtypes)

    输出结果将显示:

       request
    0      NaN
    1      NaN
    2      NaN
    3    101.0
    4    555.0
    5    756.0
    6    924.0
    7    485.0
    
    request    float64
    dtype: object

    可以看到,原始的None值被转换为NaN,而所有整数值都被转换为浮点数(例如,101变为101.0),列的数据类型也变成了float64。这在某些场景下可能不是期望的行为,特别是在需要严格保持整数类型或避免浮点数精度问题时。

    2. 解决方案:引入 pd.NA 和 Int64Dtype

    为了解决上述问题,Pandas在1.0.0版本中引入了pd.NA这一实验性的缺失值指示符,并提供了支持可空数据类型的扩展Dtype。其中,pd.Int64Dtype(或其字符串别名'Int64')允许整数列包含缺失值,而无需将整个列转换为浮点数。

    • pd.NA: 这是一个新的、通用的缺失值指示符,旨在与所有Pandas的可空Dtype兼容,包括整数、布尔和字符串类型。它与np.nan不同,np.nan主要用于浮点数。
    • pd.Int64Dtype: 这是一个专门用于表示64位整数的可空Dtype。当使用此Dtype时,列中的None或np.nan值将被pd.NA替换,而整数值将保持其整数形式。

    3. 实际操作:使用 dtype='Int64'

    要实现包含None值的整数列而不进行浮点数转换,只需在创建DataFrame或Series时,通过dtype参数指定为'Int64'即可。

    import pandas as pd
    
    the_array = [None, None, None, 101, 555, 756, 924, 485]
    
    # 在创建DataFrame时指定dtype为 'Int64'
    df = pd.DataFrame(
        data=the_array,
        columns=["request"],
        dtype="Int64",  # 使用字符串别名指定可空整数Dtype
    )
    print(df)
    print(df.dtypes)

    运行上述代码,你将得到以下输出:

       request
    0     
    1     
    2     
    3      101
    4      555
    5      756
    6      924
    7      485
    
    request    Int64
    dtype: object

    从输出可以看出:

    • None值被替换为,这是pd.NA在打印时的表示形式。
    • 整数值保持了其原始的整数形式,没有被转换为浮点数。
    • 列的数据类型显示为Int64,表明它是一个可空的64位整数类型。

    4. 注意事项与最佳实践

    • Pandas版本要求:pd.NA和可空Dtype是在Pandas 1.0.0及更高版本中引入的。如果使用旧版本Pandas,此方法将不可用。
    • NaN与的区别:NaN是浮点数类型中的缺失值,其类型为float。而是pd.NA的表示,它与具体的数值类型(如整数、布尔)结合,形成可空类型。这意味着使用Int64Dtype时,列的实际类型是pandas.core.arrays.integer.Int64Dtype,而不是float64。
    • 其他可空Dtype:除了Int64Dtype,Pandas还提供了其他可空Dtype,例如BooleanDtype('boolean')用于可空布尔值,以及StringDtype('string')用于可空字符串。这些Dtype在处理各种包含缺失值的数据类型时都非常有用。
    • 性能考量:虽然可空Dtype提供了更精确的类型表示,但它们通常是基于NumPy数组的包装器,可能在某些操作上略慢于纯粹的NumPy Dtype(如int64或float64)。然而,它们通常比使用object Dtype来存储混合类型数据更高效,因为object Dtype需要存储Python对象的指针。
    • 数据操作:使用Int64Dtype的列在进行数学运算时,pd.NA会像NaN一样传播,即任何与pd.NA进行的运算结果通常仍为pd.NA。

    5. 总结

    通过利用Pandas 1.0及更高版本提供的pd.NA和可空Dtype(如Int64Dtype),开发者可以更精确地处理包含缺失值的数值数据。这种方法避免了不必要的类型强制转换,使得DataFrame列能够保持其固有的整数类型,同时优雅地表示缺失值。在需要严格控制数据类型或进行精确数值计算的场景中,采用dtype='Int64'是一个推荐的最佳实践。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    编程开发
    相关文章 更多
    QQ影音怎么加速播放视频课程
    QQ影音怎么加速播放视频课程

    播放时右键选播放速度,或点控制条倍速,1.25 到 1.5 倍看课最舒服;公式代码类内容别超过 1.25 倍。

    企业微信创建企业提示失败怎么办 实名与填写检查
    企业微信创建企业提示失败怎么办 实名与填写检查

    先看提示属于哪类:名称占用就加后缀,实名不一致就重填本人信息,证件不清晰就重拍。统一社会信用代码逐位核对,连续三次失败别改材料重投,直接联系客服人工核。

    Modern Web Guidance 的 legacy-scan 反转建议应该怎样判断?
    Modern Web Guidance 的 legacy-scan 反转建议应该怎样判断?

    说明源码提交对字符串、生成器和数组的识别边界,以及扫描命令与发行包核验限制。

    Codex 0.170.0 正式版的语音与连接更新,适用范围有哪些限制?
    Codex 0.170.0 正式版的语音与连接更新,适用范围有哪些限制?

    0.170.0 的语音更新限于终端通话协商能力的明确新增,同名工具服务器跨环境支持仍标注实验性质;连接部分则修复大请求回退、认证竞态和云端重连等具体问题。这份正式版公告不足以证明所有账户、所有客户端都已具备完整语音功能。

    Hy4 flash 三种权重怎么选,安装和授权要注意哪些条件?
    Hy4 flash 三种权重怎么选,安装和授权要注意哪些条件?

    了解Hy4 flash、FP8与base的适用任务,阅读官方安装及图文代码,并核对资源和MaaS许可条件。

    OpenAI Python SDK 3.55.0 升级看点:Live MCP 服务配置与预算接口变化
    OpenAI Python SDK 3.55.0 升级看点:Live MCP 服务配置与预算接口变化

    OpenAI Python SDK 3.55.0 升级看点:Live MCP 服务配置与预算接口变化。说明已核实的更新范围、类型兼容性和本地版本确认方法。

    OpenAI Java SDK 4.108.0 的两项新增能力适合哪些项目?
    OpenAI Java SDK 4.108.0 的两项新增能力适合哪些项目?

    OpenAI Java SDK 4.108.0 面向 Live MCP 工具接入与 Managed Agents 预算状态处理,说明新增模型、事件含义、正式发布范围和适用限制。

    Free Claude Code 6.19.37 如何兼顾网页搜索与普通工具调用?
    Free Claude Code 6.19.37 如何兼顾网页搜索与普通工具调用?

    Free Claude Code 6.19.37 在自动搜索时保留客户端工具及选择条件,代理执行搜索后仍返回普通调用。说明适用场景、历史信息保留、请求约束与第三方项目的版本边界。

    Google GenAI Go SDK 1.78.0 的 v1beta 配置优先级怎样判断?
    Google GenAI Go SDK 1.78.0 的 v1beta 配置优先级怎样判断?

    Google GenAI Go SDK 1.78.0 将 Gemini Developer API 默认改为 v1,可用 HTTPOptions.APIVersion 或环境变量保留 v1beta,Vertex AI 默认值不变。

    Google GenAI SDK 3.5.0实时交互值得哪些项目升级评估?
    Google GenAI SDK 3.5.0实时交互值得哪些项目升级评估?

    解释实验性实时支持、环境检查与生产评估中需要验证的条件。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。